《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》
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。
图表编号 | XD00197700300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 肖跃雷、张云娇 |
绘制单位 | 西安邮电大学现代邮政学院、陕西省信息化工程研究院、西安邮电大学现代邮政学院 |
更多格式 | 高清、无水印(增值服务) |