《表4 SVC和AB-SVC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》

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

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。