《表6 模型性能评价指标平均值》
%
评价分类器的性能时,不仅要尽可能考虑达到高的准确率,还要考虑误判时会带来什么后果。文中希望分类器能判断基线解算结果的好坏,如果abnormal误判为normal,这远比将normal误判为abnormal带来的后果要严重。基于此,实验统计了normal和abnormal的精确率、召回率以及F1值。采用相同的10组测试样本进行测试,3个指标如表6所示。通过表6可以看到abnormal类的平均召回率高达99.77%、F1值99.17%;normal类的平均召回率达94.64%、F1值97.25%。abnormal类的召回率高于normal类的召回率,这说明abnormal被预测为正的样本中预测正确的个数比较高,也就是说出现误判时normal类更有可能被分类器预测为abnormal类,这符合我们所希望的。综合这3个指标分析得出:文中提出的基于Bayes分类的GAMIT基线解算结果的预测模型具有非常优秀的判别性能,能够作为基线解算结果的预判模型。
图表编号 | XD008221800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.20 |
作者 | 郝美云、孙宪坤、尹玲、丁倩云、尹京苑 |
绘制单位 | 上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海市地震局 |
更多格式 | 高清、无水印(增值服务) |