《表5 LR和AB-LR分类器测试集的10折交叉验证精确率、召回率和f1得分的矩阵》
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
《基于参数优化AdaBoost算法的酸性火山岩岩性分类》
表3—表5分别显示了每个模型中每类岩性测试集的精确率、召回率和f1得分。可以看到,SVC在单一分类器中效果最好,岩性识别精确率达83.7%,集成分类器中效果没有明显提高,LR效果最差,岩性识别精确率仅为66.7%。AdaBoost算法对不同基分类器的分类效果均有提高,对以DTC和LR为基分类器的分类效果提高明显,AB-DTC、AB-SVC和AB-LR的精确率均在80%以上,AB-DTC在数据集上表现效果最好,岩性识别精确率达91.5%,AB-SVC次之。结果表明,AdaBoost算法适用于火山岩岩性分类,其中,AB-DTC算法对不同岩性的识别均有较好的效果。
图表编号 | XD0042276600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 杨笑、王志章、周子勇、魏周城、曲康、王翔宇、王如意 |
绘制单位 | 中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室、中国石油大学(北京)油气资源与探测国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |