《表3 各分类器在特征选择和超参数优化前后的准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于特征选择和超参数优化的恐怖袭击组织预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

同样将预处理后数据集的70%划分为训练集，30%为测试集，但仅使用DT、RF、Bagging和XGBoost这四种主流分类器对恐怖袭击组织进行分类预测，不进行上述特征选择和超参数优化。表3为这四种主流分类器在特征选择和超参数优化前后的准确率对比。从表3可知，在进行特征选择和超参数优化后，使用这四个分类器的分类预测准确率都有相应的提高，特别是RF、Bagging和XGBoost的准确率提高较大，其中RF和Bagging的准确率分别达到0.823 9和0.831 6。