16、灾害相关推文分类与心血管疾病检测研究

灾害相关推文分类与心血管疾病检测研究

1. 灾害相关推文分类

1.1 不同分类器准确率对比

在对灾害相关推文进行分类时，使用了多种分类器，并结合不同的特征提取技术。以下是不同分类器在不同特征提取技术下的准确率对比：
| 分类器名称 | CountVectorizer（词袋） | TF - IDF（词级别） | TF - IDF（n - gram范围1,3） | TF - IDF（字符级别） |
| — | — | — | — | — |
| Linear SVC | 0.672320 | 0.701552 | 0.707326 | 0.698304 |
| Logistic regression | 0.708769 | 0.696499 | 0.700108 | 0.682064 |
| Multinomial Naive Bayes | 0.670516 | 0.657163 | 0.665464 | 0.619632 |
| Random forest | 0.661855 | 0.666185 | 0.654280 | 0.610609 |
| XGBoost | 0.654637 | 0.655720 | 0.655720 | 0.668351 |
| K - nearest neighbors | 0.539516 | 0.648502 | 0.538073 | 0.627932 |

从表格中可以看出，Linear SVC和Logistic regression的准确率相对较高，接近0.70。不过，由于类别分布不均匀，仅依靠准确率不能全面评估分类器的有效性，还需要考虑其他指标，如精确率