《表2 不同机器学习算法的分类精度比较》
单位:%
在Entry1上,利用四种算法作为基分类器进行模型的训练,用训练好的模型对Entry2~Entry10进行分类,其分类精度如表2所示。从表2中可以看出,NB算法的分类精度不高,平均分类精度只有85.52%,LR算法的分类精度高于NB算法,但低于SVM和C4.5;SVM和C4.5分类精度较高,均能达到90%以上,且稳定性好,分类精度的波动幅度较小,但相较于C4.5算法,SVM算法无法直接用于多分类且不适用于大规模数据的训练,建模时间很长,会增加模型更新时间,故选择C4.5算法作为本文模型的基分类器。
图表编号 | XD00197714900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 刘丹、姚立霜、王云锋、裴作飞 |
绘制单位 | 重庆邮电大学通信与信息工程学院、移动通信技术重庆市重点实验室(重庆邮电大学)、重庆邮电大学通信与信息工程学院、移动通信技术重庆市重点实验室(重庆邮电大学)、重庆邮电大学通信与信息工程学院、移动通信技术重庆市重点实验室(重庆邮电大学)、重庆邮电大学通信与信息工程学院、移动通信技术重庆市重点实验室(重庆邮电大学) |
更多格式 | 高清、无水印(增值服务) |