我正在使用Weka在一组数据上运行决策树分类器。我正在使用10倍交叉验证，我想知道十个折叠中每一个的个体准确度。在Explorer上的Classify下，我可以获得有关测试数据的每个预测的大量列表。这意味着我必须手动添加所有的+。
如果有大量数据，这将需要很长时间。同样也容易犯错误。
在Experimenter下，我可以在相同的数据上设置一个10倍的交叉验证分类器（重复1次）。我可以将'row'设置为'folds'，然后当我转到'column'并将其设置为'number_incorrect'时，它只显示我10个折叠中的6个。
那么如何获得所有10倍的正确数字？为什么这样做呢？
答案 0 :(得分：1)
在Analyze选项卡中，您应选择：
1）行：弃
2）专栏：您必须选择运行，折叠和您想要的结果。
如果省略第二部分中的一个选项，您将只看到部分信息。
答案 1 :(得分：0)
根据我的理解，Weka这样做的方式是，在K折交叉验证（CV）中，单个折叠的个体准确性没有那么有意义。 K-fold CV的整个想法是简单地将数据分成K个子集，并依次省略每个折叠以进行验证。然后验证误差计算为K-fold的平均值，这是我们学习算法误差的无偏估计。
有关详细信息，请参阅以下链接： https://alliance.seas.upenn.edu/~cis520/wiki/index.php?n=Lectures.Overfitting