《表2 混淆矩阵：基于KFCM改进SVM的学生学业预警系统设计》

  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KFCM改进SVM的学生学业预警系统设计》

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

针对本文的不平衡分类问题，以分类准确度作为分类器性能评价标准是不恰当的，例如，在垃圾邮件过滤系统中，常规邮件（看作多类样本）的数目N0将远大于垃圾邮件（看作少类样本）的数目N1，例如N0∶N1=99∶1。此时，如果分类器将样本全部分成常规邮件，那么它将得到99%的准确率。但这样的准确率是毫无意义的。所以，在本文中对分类器的分类性能评价选取了两个，一个是精度（accuracy，ACC），另一个是Kubat等提出了一种新的度量指标———G-mean[14-15]。对于分类器的分类结果，其性能通常可由混淆矩阵概括，见表2。