machine-learning - 如何解释weka中的朴素贝叶斯结果？

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 4 年前。

Improve this question

任何人请帮助我解释 weka 中使用朴素贝叶斯分类生成的以下结果。

请解释清楚什么是

• 正态分布
• 平均值
• 标准开发
• 权重总和
• 精确。

请帮助我。我是 weka 的新人。

** 朴素贝叶斯分类器

Class Normal: Prior probability = 0.5 1374195_at:  Normal Distribution. Mean = 218.06 StandardDev = 6.0572 WeightSum = 3 Precision = 36.343333341373315_at:  Normal Distribution. Mean = 1142.58 StandardDev = 21.1589 WeightSum = 3 Precision = 126.95333339999999

Answer 1

正态分布是经典的高斯分布。平均值和标准差是正态/高斯分布的属性。查看有关此的基本统计文本。

权重总和。该值是针对数值计算的。它的值等于类别分布。对于 iris 数据集，有 3 个类别(50、50、50)，所有类别的值为 50。对于天气数据集，它是 9 5。与类实例编号相同。您的属性值会根据类别分布影响您的结果。

精度:TP/(TP + FP) 正确的阳性预测的百分比。

更多资源: Classifier Evaluation