《表6 模型性能评价指标平均值》

  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

《GPS基线解算结果的Bayes判别分析》

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

%

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。