《表1 不同分类器在十折交叉验证下的准确率》
提示：宽带有限、当前游客访问压缩模式
提取训练集的GLCM与HOG特征作为训练数据，然后分别使用不同的分类器对其进行训练，并用十折交叉验证来评价其准确率，结果如表1所示。
| 图表编号 | XD00214323600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.10 |
| 作者 | 李晨、张家伟、齐守良、王丹宁 |
| 绘制单位 | 东北大学医学与生物信息工程学院、东北大学医学与生物信息工程学院、东北大学医学与生物信息工程学院、中国医科大学口腔医学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 四种模型十折交叉验证稳定性》2020.10.10
- 《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》2020.08.10
- 《表3 不同分类器使用十折交叉验证的平均识别率》2020.11.30
- 《表1 不同分类器在不同样本选择上的分类准确率》2020.07.01
- 《表3 十折交叉验证结果（均值±标准差）》2020.06.20
- 《表2 十折交叉验证结果（均值±标准差）》2020.06.20
- 《表3 十折交叉验证的准确性》2020.05.25
- 《表5 各分类器在十折交叉验证下的平均性能》2020.02.10
- 《表9 十折交叉验证平均正确率》2019.12.01
- 《表2 基于机器学习算法的十折交叉准确率》2019.10.01
- 《表1 基于正则匹配分类法十折交叉准确率》2019.10.01
- 《表3 随机森林分类器的十折交叉验证法结果》2019.09.01
- 《表4 词嵌入向量类比训练十折交叉验证结果》2019.11.24
- 《表2 离子通道蛋白十折交叉验证mcc值》2019.07.15
- 《表1 十折交叉验证结果：基于多源机器学习的脱贫方式智能推荐研究》2019.01.25
- 《表2 十折交叉验证的测试结果》2019.01.30
- 《表2 十次十折交叉验证结果》2019.04.10
- 《表3 6组分类数据集在DT、RF和RFCFA上的十折交叉验证准确率》2019.12.01
- 《表6 RFCFA和RF的十折交叉验证准确率》2019.12.01
- 《表2 不同分类模型下十折交叉验证F1值比较》2019.11.05