数据集概述
本数据集展示了训练支持向量机（SVM）分类器以复制企业邮件业务价值识别决策过程的实验结果。实验基于两个企业邮箱的846封邮件，对比了包含与不包含附件文本的SVM模型表现，同时与垃圾邮件/非垃圾邮件分类模型、基于Enron邮件随机子集的模型进行比较。数据集包含1个Excel文件。
文件详解
- 文件名称：Accuracy-Precision-Recall-F-Measure.xlsx
- 文件格式：XLSX
- 字段映射介绍：记录不同SVM分类实验的性能指标，包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F值（F-Measure）；覆盖无附件文本训练、含附件文本训练、垃圾邮件分类、Enron邮件随机子集分类等场景的对比结果。
适用场景
- 企业邮件管理优化：分析SVM分类模型对企业邮件业务价值识别的效果，辅助邮件归档与价值评估流程优化。
- 文本分类算法研究：对比不同训练条件（含/不含附件文本）对SVM模型性能的影响，为邮件文本特征工程提供参考。
- 企业信息检索：探索自动识别高业务价值邮件的技术路径，提升企业信息检索效率。
- 分类模型对比实验：作为基准数据集，支持邮件分类领域不同模型（如SVM与其他算法）的性能对比研究。
