《表2 SVM最优参数组合与分类精确度》
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SVM的网络信息茧房层次敏感影响因素识别研究》
参照调查问卷的结果进行归一化,支持向量机算法引入RBF核参数,即前述公式(5)中K(x,xi)=exp(-β||x-y||2),其中β为核函数中的核参数。采用SVM中的LibSVM,通过网格与五折交叉法验证选择模型,确定参数C与β的最佳组合,进而确认最优化模型,参数最优寻找路径如下页图5。对预测效果进行评价建立在测试集的分类精准度基础上,预测精度即测试集中预测正确的个数占整体测试集的比率。如图5,横坐标代表参数C与β的组合序号,C与β组合由LibSVM自动获取,各个参数C与β的组合对应的SVM分类精度见表2。
图表编号 | XD006053900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 王益成、王萍、王美月 |
绘制单位 | 吉林大学管理学院、吉林大学管理学院、吉林大学管理学院 |
更多格式 | 高清、无水印(增值服务) |