《表2 不同特征选择方法下的分类效果》

  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

《基于信息增益和萤火虫算法的文本特征选择》

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

通过表2和图3、图4、图5的实验结果可以发现，GA筛选的特征子集比IG方法选出的子集拥有更好的分类性能，在查准率、查全率和F1值上分别平均提高了2.7%，2.4%和2.6%；而FA在GA的基础上又分别平均提高了3.4%，3.2%和3.3%。与IG方法相比，FA在查准率上提高的最多的类是农业，提高了9.2%，提高最少的类是经济，提高了4.3%；在查全率上提高的最多的类是电脑，提高了10.9%，提高最少的类是政治，提高了2.8%；在F1值上提高最多的类是电脑，提高了9%，提高最少的类是政治，提高了3.9%。由此验证了FA算法得到的特征子集更具代表性，可有效提高文本分类性能。