《表4 不同分类器的实验结果》

  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

《面向学习体验文本的学习者情感分析模型研究》

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

我们将SVM分类器与k近邻（k NN）、决策树（CART）、随机森林（RF）分类器的多级情感分类结果进行对比，结果如表4所示。与其他三种分类器相比，SVM方法的宏平均精确率Mac P为94.74%，略低于RF (95%），远高于k NN和CART；其宏平均召回率Mac R为70.83%，略高于CART(69.33%），相较于k NN和RF有明显提升；其宏平均综合分类率Mac F1综合考虑了宏平均精确率Mac P和宏平均召回率Mac R，与k NN、CART和RF相比，SVM的分类性能最优。