《表1 0 杂种落叶松人工幼龄林枯损模型不同阈值预测分类率Tab.10 Classification of the hybrid larch young plantation mortality mo
注:ACR(正确分类率):正确预测枯损与存活株数占总株数比率;MCR(错误分类率):假阳性率与假阴性率之和。Notes:ACR(accurateclassification rate):correctly predicting the ratio of mortality and living trees to total trees;MCR(misclassification rate):the sum of
表9为4个阈值点列联表分析具体结果:C=0.5时,灵敏度(TPR)为32.4%,特异度(TNR)为99.2%,此时表10中C点的预测存活树木分类正确率(ACR)为81.2%,仅有32.4%的枯损被正确分类,67.6%的枯损树木被预估成存活树木,阈值0.5明显不适用。阈值调整后,假阴性率(FNR)显著降低,二者相交于B点,此时阈值为0.06。由表9可以看出:枯损正确分类率(TPR)明显提高,82.3%的枯损树木被正确的分类,存活树木的分类率与之近似相等,此时正确分类率(ACR)为82.1%,B点优于C点的预估判断。错误分类率(MCR)在阈值为0.08时达到最小,此阈值点下模型的特异度(TNR)为83.6%,灵敏度(TPR)为82.6%,正确分类率(ACR)为82.9%,均高于阈值0.06,说明在该阈值点下枯损树木和存活树木都能被更好地进行预估分类,确定错误分类率最低时的点A(0.08)作为基础模型最佳阈值点。同理,对混合模型进行阈值分析,求得错误分类率最低点D=0.1,此时表10中错误分类率(MCR)为23.9%,正确分类率为88.9%,从中可以看出混合模型能够提高模型的预估精度。
图表编号 | XD003050800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 王涛、董利虎、李凤日 |
绘制单位 | 东北林业大学林学院、东北林业大学林学院、东北林业大学林学院 |
更多格式 | 高清、无水印(增值服务) |