《表2 实验结果/%：两分类器融合的中文微博用户性别分类方法》
提示：宽带有限、当前游客访问压缩模式
本文实验采用性别分类准确率（Accuarcy，简称Acc）来作为实验结果的评价指标，实验结果见表2，其中给出了7种不同方法的分类结果。
| 图表编号 | XD0040523900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.16 |
| 作者 | 张璞、陈超、陈韬、王永 |
| 绘制单位 | 重庆邮电大学计算机科学与技术学院、重庆邮电大学计算机科学与技术学院、重庆邮电大学计算机科学与技术学院、重庆邮电大学经济管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 意愿分类器有效性：微博口碑对电影票房的影响研究》2021.01.15
- 《表2 数据集特征：多特征融合的中文短文本分类模型》2020.07.01
- 《表3 部分实验参数设置：基于ERNIE-BiGRU模型的中文文本分类方法》2020.08.01
- 《表1 实验环境及配置：基于ERNIE-BiGRU模型的中文文本分类方法》2020.08.01
- 《表4 WRF分类器空巢用户预测结果》2020.08.20
- 《表5 实验二（微博用户文本数据）不同模型的分类准确率》2020.01.10
- 《表2 单分类器建模结果：基于多分类器融合的近红外光谱技术鉴别蜂蜜品种》2019.05.20
- 《表1 两分类器判别结果：基于多分类器融合的近红外光谱技术鉴别蜂蜜品种》2019.05.20
- 《表5 LFW实验对比：全局融合卷积神经网络的边缘分类的人脸性别识别》2019.09.15
- 《表2 多分类器融合与单分类器的识别结果》2019.09.10
- 《表2 权重系数分配：微博营销中融合行为分析的重要用户发现方法》2019.08.01
- 《表1 用户排序对比：微博营销中融合行为分析的重要用户发现方法》2019.08.01
- 《表2 属性预处理结果：邻域粗糙集融合网格搜索组合分类器的理财决策知识获取研究》2019.01.25
- 《表3 3种特征选择方法选取的特征在SVM分类器上的实验结果》2018.02.01
- 《表2 3种特征选择方法选取的特征在NB分类器上的实验结果》2018.02.01
- 《表2 实验配置与环境：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表3 模型参数设置：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表4 模型实验结果：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表1 语法词典：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表2 实验结果对比：基于欠完备自编码器的用户用电行为分类分析方法》2019.11.28