《表2 不同分类器分类精度》

  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

《基于面向对象的干旱半干旱地区植被分类》

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

分别用精确率A、准确率P、召回率R和调和平均值F1对CART决策树、C4.5决策树、SVM以及KNN共4种分类器的预测结果进行比较，各模型精度评价如表2所示。其中F1值平衡了准确性和召回率，纵向对比可以看出均值呈现相同趋势，表明分类样本未发生数据集偏斜。分类结果显示，CART决策树分类效果最好，分类准确率达到90.89%；C4.5决策树与SVM准确率次之，KNN最低。可以看出，4种分类方法的4个指标都达到了预期的效果，分类精度较相近，说明模型可靠且分类器均适用该研究区。而CART决策树的F1值最高达到了91.21，综合指标高于其他方法，说明其在研究区的适用性更好。