我想获得一些信息。在某些测试实例的分类过程中。我正在使用带有选项SMO的MultiClassClassification模型来预测类。我找到了一些代码here，但这只显示了一些基本信息（id，起始类和预测类）。这真的很酷，但我想把这个樱桃放在首位。
以下是代码：
double classLabel = cModel.classifyInstance(testInstances.instance(i));
System.out.print("ID: " + testInstances.instance(i).value(0));
System.out.print(", actual: " + testInstances.classAttribute().value((int) testInstances.instance(i).classValue()));
System.out.println(", predicted: " + testInstances.classAttribute().value((int) classLabel));
labeled.instance(i).setClassValue(classLabel);
以下是控制台中显示内容的一个输出示例（一切正常，分类效果很好）：
ID：10.840449559881472，实际：class_1，预测：class_12
我想在输出中添加一个概率值，为预测的类显示介于0和1之间的值（例如0.80 ...）。我怎样才能做到这一点？
我试过这个：double[] p = cModel.individualPredictions(testInstances.instance(i));
但这会返回我真正无法理解的数字。
输出示例：
7.664525149317826E-177
修改
确定。现在我已经使用了distributionForInstance方法，它实际上返回了一些实数（之前使用它并且它给了我那些奇怪的数字），但是对于某些情况的预测真的很低，尽管它们被正确分类。可能需要向我的分类器添加更多样本，但至少现在可以给出结果。
这段代码显示结果（供将来参考）：
double[] p = cModel.distributionForInstance(testInstances.instance(i));
一些正确分类的未知样本的预测示例：
0.6801721826680843 - 示例1第12类
0.9834993119977282 - 示例2第14类
0.20165539938974703 - 示例3第1类
0.9947991411834111 - 示例4第9类
0.9809472418105786 - 示例5第3类
可能会坚持使用这个解决方案，因为它是迄今为止我发现的最合理的解决方案。
再次感谢。
答案 0 :(得分：0)
当你还需要预测“无类别”类别时，你会如何解决挑战问题？ Predicting the "no class" / unrecognised class in Weka Machine Learning
答案 1 :(得分：0)
所以，我会冒昧地回答我自己的问题，因为我想帮助SO关闭它并继续前进。
classifyInstance()方法将实例分类为某个类，并且没有提供我正在寻找的必要数据。
我已经尝试了double[] p = cModel.individualPredictions(testInstances.instance(i));和double[] p = cModel.distributionForInstance(testInstances.instance(i));，两者都返回了结果。
我坚持使用cModel.distributionForInstance(testInstances.instance(i));方法，因为我需要从结果中手动排除某些类。忽略MultiClassClassifier中不需要的分发是目前唯一可行的解决方案。这暂时解决了我对于与我想要的决定相距太远的类的过滤问题。
以下是相关帖子：WEKA - filtering out classes in a MultiClassClassifier
再次感谢。