《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》

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

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。