Weka 分类树输出结果解析 Weighted.avg

deer(écho)

已于 2022-05-09 13:45:50 修改

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏： MachineLearning 文章标签：分类数据挖掘人工智能

于 2022-05-09 13:30:55 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/deercho/article/details/124664056

MachineLearning 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何解析Weka中使用J48分类树进行10-Folds交叉验证的结果。Classifier部分显示采用了递归分治策略的J48算法，而cross-validation和percentagesplit分别对应验证方式和数据分割比例。输出部分如yes(9/3)(5/2)展示了训练和测试集中不同类别的分布。weighted.Avg如Precision的计算方式是加权平均，表示各类别的准确率。文章还提供了理解混淆矩阵和评估指标的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是对weka分类树的结果解释，集合了其它的博文

我们使用的是weka自带的weather数据库
在这里插入图片描述

在这里插入图片描述

先看左侧，
classifier是分类方法，J48是递归分治策略；
cross-validation表示交叉验证，使用了10-Folds
percentage split 表示分割比例，用以分割训练集和测试集（猜的）
再看看output，yes(9/3)(5/2) 表示训练集里3个no，测试集里2个no(猜的x2)
其他的：
百度文库里挺好，对照着来
在这里插入图片描述

说明一下weighted.Avg, 以Precision为例，判别为Yes的准确率为8/(8+5)–见混同矩阵，判别为No的准确率为0；所以weight.Avg 就是加权平均 = 8/13 * 13/14 = 0.571

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。