4. 實驗結果與分析
4.5 分類器分類效果差異檢定
(2). 分類器為貝式機率時：
此實驗同實驗一之特徵比例權重方法實驗，參照實驗一數據。
(3). 分類器為支持向量機時：
以支持向量機為分類器時，其分類準確率平均值為 90.1%，值域分佈在 87%
到 100%之間，標準差為 0.046，極大值為 99.1%。召回率的部分平均值為 90.%，
值域分佈在 87%到 100%之間，標準差為 0.046，極大值為 99.1%。F 值平均數為 90%，標準差 0.047，極大值為 99.1%。
圖 28 支持向量機之分類效果 資料來源：本研究繪製
表 19 支持向量機分類統計值
準確率 召回率 F 值
平均數 0.901 0.9 0.9
標準差 0.046 0.046 0.047
極大值 0.991 0.991 0.991
資料來源：本研究整理
實驗分析
本實驗旨在比較分類器對於期刊論文文件分類之效果差異。
表 20 各種分類器分類效果之比較
決策樹 貝式機率 支持向量機 抽樣分配
準確率平均 0.778 0.856 0.901 0.712 召回率平均 0.747 0.852 0.9 0.682 F 值平均 0.752 0.852 0.9 0.697
資料來源：本研究整理
(1). 各分類器之準確率：
圖 29 不同分類器之分類準確率比較 資料來源：本研究繪製
令 、 、 與 分別表示決策樹、貝式機率分類器、支持向量機與抽樣分 配分類器之分類準確率，假設檢定如下：
檢 一 支持向量
： 支持向量機分類準確率與貝式機率分類器分類準確率無差異 定 ： 機與貝式機率分類器
0
： 0 支持向量機分類準確率較貝式機率分類器分類準確率高
以 t 檢定分析，計算得 t 值為 3.03 大於臨界值 1.812，故拒絕虛無假設，即使 用支持向量機進行分類，其分類準確率優於貝式機率分類器。
檢 二 貝式機率
： 貝式機率分類器分類準確率與決策樹分類準確率無差異
定 ： 分類器與決策樹
0
： 0 貝式機率分類器分類準確率較決策樹分類準確率高
以 t 檢定分析，計算得 t 值為 5.28 大於臨界值 1.812，故拒絕虛無假設，即使 用貝式機率分類器進行分類時，其準確率優於決策樹。
檢 三 決策樹與
： 決策樹分類準確率與抽樣分配分類器分類準確率無差異
定 ： 抽樣分配分類器
0
： 0 決策樹分類準確率較抽樣分配分類器分類準確率高
以 t 檢定分析，計算得 t 值為 4.95 大於臨界值 1.771，故拒絕虛無假設，即決 策樹分類準確率較抽樣分配分類器佳。
(2). 各分類器之召回率：
圖 30 不同分類器之分類召回率比較 資料來源：本研究繪製
令 、 、 與 分別表示決策樹、貝式機率分類器、支持向量機與抽樣分配 分類器之分類召回率，假設檢定如下：
檢 一 支持向量
： 支持向量機分類召回率與貝式機率分類器分類召回率無差異 定 ： 機與貝式機率分類器
0
： 0 支持向量機分類召回率較貝式機率分類器分類召回率高
以 t 檢定分析，計算得 t 值為 3.171 大於臨界值 1.812，故拒絕虛無假設，即使 用支持向量機進行分類，其分類召回率優於貝式機率分類器。
檢 二 貝式機率
： 貝式機率分類器分類召回率與決策樹分類召回率無差異
定 ： 分類器與決策樹
0
： 0 貝式機率分類器分類召回率較決策樹分類召回率高
以 t 檢定分析，計算得 t 值為 6.154 大於臨界值 1.812，故拒絕虛無假設，即使 用貝式機率分類器進行分類時，其召回率優於決策樹。
檢 三 決策樹與
： 決策樹分類召回率與抽樣分配分類器分類召回率無差異
定 ： 抽樣分配分類器
0
： 0 決策樹分類召回率較抽樣分配分類器分類召回率高
以 t 檢定分析，計算得 t 值 2.818 為大於臨界值 1.812，故拒絕虛無假設，即決 策樹分類召回率較抽樣分配分類器佳。
(3). 各分類器之 F 值：
圖 31 不同分類器之分類 F 值比較 資料來源：本研究繪製
令 、 、 與 分別表示決策樹、貝式機率分類器、支持向量機與抽樣分配 分類器之分類 F 值，假設檢定如下：
檢 一 支持向量
： 支持向量機分類 F 值與貝式機率分類器分類 F 值無差異 定 ： 機與貝式機率分類器
0
： 0 支持向量機分類 F 值較貝式機率分類器分類 F 值高
以 t 檢定分析，計算得 t 值為 3.146 大於臨界值 1.812，故拒絕虛無假設，即使 用支持向量機進行分類，其分類 F 值優於貝式機率分類器。
檢 二 貝式機率
： 貝式機率分類器分類 F 值與決策樹分類 F 值無差異
定 ： 分類器與決策樹
0
： 0 貝式機率分類器分類 F 值較決策樹分類 F 值高
以 t 檢定分析，計算得 t 值為 6 大於臨界值 1.812，故拒絕虛無假設，即使用 貝式機率分類器進行分類時，其 F 值優於決策樹。
檢 三 決策樹與
： 決策樹分類 F 值與抽樣分配分類器分類 F 值無差異
定 ： 抽樣分配分類器
0
： 0 決策樹分類 F 值較抽樣分配分類器分類 F 值高
以 t 檢定分析，計算得 t 值為 3.26 大於臨界值 1.833，故拒絕虛無假設，即決 策樹分類 F 值較抽樣分配分類器佳。
小結與討論
(1). 小結
根據分析結果，發現本研究選擇之分類器其準確率、召回率以及 F 值，皆以支 持向量機分類效果最佳，其次為貝式機率分類器，第三為決策樹，最後是抽樣分 配分類器。
(2). 討論
對於分類器之分類效果而言，支持向量機如文獻所述，適合用來進行分類。
其分類效果，包含準確率與召回率，其平均數可達 90%以上，部分類別分類效果 可達 100%，為相當優良之分類器。貝式機率雖然分類效果不如支持向量機，但其 平均分類準確率也可達到 85%左右的水準，加上計算方便與迅速的條件，貝式機 率分類器仍為相當適合應用於文件分類。決策樹分類器在期刊論文分類上效果較 貝式機率與支持向量機低，平均準確率為 0.778。推測其原因在於決策樹演算法本 身對連續性數值分類效果不彰。