《表5 朴素贝叶斯和支持向量机在职业细类编码上的分组准确率和召回率》
提示：宽带有限、当前游客访问压缩模式
本文的探索性研究表明，机器学习在中文职业编码特别是职业大类编码上有较好的应用前景，但在职业细类编码上的准确率还不高，还需进一步探索如何提高分类器性能。
| 图表编号 | XD0086267500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.15 |
| 作者 | 吴琼、戴利红、张婧申 |
| 绘制单位 | 北京大学中国社会科学调查中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 模型测试结果：基于朴素贝叶斯和word2vec的中医电子病历文本信息抽取》2020.10.20
- 《表6 COVID-19、IAVP和健康人群的Noisy-OR贝叶斯函数导出的召回率、正确率、f1-socre和准确率a》2020.10.01
- 《表1 故障类型及代码：改进支持向量机在汽车发动机故障诊断应用》2020.06.20
- 《表3 测试结果：朴素贝叶斯分类在仪表故障判断上的应用》2020.04.30
- 《表2 纯朴素贝叶斯、朴素贝叶斯加误差补偿的分拣正确率》2020.07.25
- 《表2 分类准确率对比：三支决策朴素贝叶斯增量学习算法研究》2020.09.15
- 《表3 召回率对比：三支决策朴素贝叶斯增量学习算法研究》2020.09.15
- 《表2 基于朴素贝叶斯分类器模型的准确率分布表》2020.04.15
- 《表1 因子数据说明表：支持向量机在多因子选股的预测优化》2019.09.06
- 《表2 二分类混淆矩阵表：支持向量机在多因子选股的预测优化》2019.09.06
- 《表2 朴素贝叶斯和支持向量机在职业大类编码上的分组准确率和召回率》2019.09.15
- 《表4 朴素贝叶斯和支持向量机在职业细类编码上的总体精度》2019.09.15
- 《表1 朴素贝叶斯和支持向量机在职业大类编码上的总体精度》2019.09.15
- 《表3 基于支持向量机分类器在职业大类编码上的混乱矩阵》2019.09.15
- 《表1 测试样本诊断结果：多分类支持向量机在电力变压器故障诊断中的应用》2019.10.15
- 《表1 测试样本诊断结果：多分类支持向量机在电力变压器故障诊断中的应用》2019.10.15
- 《表2 语义依存特征：基于朴素贝叶斯的细粒度意见挖掘》2019.06.20
- 《表1 评价信息特征：基于朴素贝叶斯的细粒度意见挖掘》2019.06.20
- 《表4 朴素贝叶斯分类法与类中心向量法的实验比较》2019.07.24
- 《表2 朴素贝叶斯在四种数据集上的分类性能》2019.04.25