machine-learning - Weka 如何使用 J48 计算精度？

Question

我是数据挖掘和 Weka 的新手。我使用 GUI 在 Weka 中使用 J48 构建了一个分类器。当 Weka 完成运行时，它会显示:

Correctly Classified Instances 1035   -  68.543 %

Incorrectly Classified Instances 475  -  31.457 %

当从我自己的代码(使用 IKVM.NET 的 C#)运行时，我使用相同的未标记数据集重新评估我的模型，将预测类的结果保存到 ARFF 文件中，并对从 1500 条记录中获得的结果进行计数.

大约 1300 条记录被正确分类，200 条记录没有被正确分类，这给出了(我认为)86% 的精度测量结果。

这是正确的吗？为什么结果会不同？

Answer 1

我认为你混淆了“准确性”和“精度”，they are not the same thing .

• 准确度是指所有实例正确分类实例的百分比
• 准确率是指已被分类为正例的实例被正确分类的实例的百分比

在公式中:

• 准确度 = (TP + TN)/(TP + TN + FP + FN) = # Correct/#all_instances

• 精度 = TP/(TP + FP) = # Correct_positive/#classified_as_positive

如果您指的是两种情况下的准确度(1300/1500 的准确度约为 86%)，则在不查看代码和 GUI 日志的情况下无法判断发生了什么情况，这可能是这里太多了。

最可能的解释是您的代码执行的操作与 GUI 中执行的操作不同。也许是不同的随机化、不同的分割、不同的学习参数等等。