《表2 混淆矩阵:基于KFCM改进SVM的学生学业预警系统设计》
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。
图表编号 | XD0076379300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 陶佰睿、刘凯达、苗凤娟、孙同日、余艳、李敬有 |
绘制单位 | 齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学计算机与控制工程学院、齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学通信与电子工程学院、齐齐哈尔大学计算机与控制工程学院、齐齐哈尔大学计算机与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |