《表4 各分类器在使用10折交叉验证法和随机过采样时的准确率》

  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

10折交叉验证法[14]和随机过采样[30]是缓解数据不平衡问题的常用方法。为了与本文方法进行对比，针对数据预处理后的数据集，首先分别进行10折交叉验证和随机过采样（70%为训练集，30%为测试集），然后使用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，并进行超参数优化。表4为三种方法的准确率对比，可以看出，在按本文方法进行特征选择和超参数优化后，四种主流分类器的预测准确率要高于使用10折交叉验证法+超参数优化，以及使用随机过采样+超参数优化的方法。