《表5 LT选取边界样本后的KNN分类结果》

  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

《一种新的样本选择算法及其在文本分类中的应用》

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

注:采用所有样本进行KNN实验的MacF1为0.703 38，MicF1为0.847 92.

从表4和表6可看出，随着NK取值的增加精度也随之增加，且逐渐接近采用所有样本的分类结果；从表5可看出，当NK=4时达到最好精度.此后，随着样本的增加反而有所下降，这是因为LT集是一个不均衡的多标签的文档集，最大的类别文档数为2 877，而最小的类文档数只有101.当NK达到一定值时，小类的文档基本都已加入样本集，随着NK值的增大，加入的都是大类的文档，这样反而会影响小类的精度，从而影响整个文档集的结果.