35、分类方法与性能评估：从理论到实践

分类方法与性能评估：从理论到实践

1. 分类器概述

分类器在众多领域都有着广泛的应用，常见的分类器类型包括：
- 频率表
- 协方差矩阵
- 相似性函数
- 其他类型

同时，还详细介绍了多种分类工作方法，如朴素贝叶斯分类、决策树、逻辑回归、k近邻（kNN）、人工神经网络、支持向量机（SVM）、模糊支持向量机（FSVM）、孪生支持向量机（TSVM）、模糊孪生支持向量机（FTSVM）以及熵决策支持向量模型（EFCDSVM）等。其中，EFCDSVM的发展是一个重要的算法。

基础设施分类中常用的方法有SVM、模糊方法、熵方法、极域方法，以及与决策树方法的组合。

2. 分类器示例与性能分析

2.1 线性裂缝分类器与SVM组合示例

以下是线性裂缝分类器与SVM组合的样本结果：
| 指标 | Psvm11 | Psvm21 | Psvm21 | Psvm22 |
| — | — | — | — | — |
| 观测数量 | 128.00 | 128.00 | 128.00 | 128.00 |
| 正确率 | 0.98 | 1.00 | 1.00 | 1.00 |
| 错误率 | 0.02 | 0.00 | 0.00 | 0.00 |
| 最终正确率 | 0.98 | 1.00 | 1.00 | 1.00 |
| 最终错误率 | 0.02 | 0.00 | 0.00 | 0.00 |
| 特异性 | 0.97 | 1.00 | 1.00 | 1.00 |
| 阳性预测值 | 0.97 | 1.00