请帮助解释weka库中weka.classifiers.functions.Logistic产生的逻辑回归结果。
我使用来自Weka示例的数字数据:
@relation weather
@attribute outlook {sunny, overcast, rainy}
@attribute temperature real
@attribute humidity real
@attribute windy {TRUE, FALSE}
@attribute play {yes, no}
@data
sunny,85,85,FALSE,no
sunny,80,90,TRUE,no
overcast,83,86,FALSE,yes
rainy,70,96,FALSE,yes
rainy,68,80,FALSE,yes
rainy,65,70,TRUE,no
overcast,64,65,TRUE,yes
sunny,72,95,FALSE,no
sunny,69,70,FALSE,yes
rainy,75,80,FALSE,yes
sunny,75,70,TRUE,yes
overcast,72,90,TRUE,yes
overcast,81,75,FALSE,yes
rainy,71,91,TRUE,no
要创建逻辑回归模型,我使用命令: java -cp $ WEKA_INS / weka.jar weka.classifiers.functions.Logistic -t $ WEKA_INS / data / weather.numeric.arff -T $ WEKA_INS / data / weather.numeric.arff -d ./weather.numeric.model。 ARFF
这三个论点意味着:
-t <name of training file> : Sets training file.
-T <name of test file> : Sets test file.
-d <name of output file> : Sets model output file.
运行以上命令会产生以下输出:
Logistic Regression with ridge parameter of 1.0E-8
Coefficients...
Class
Variable yes
===============================
outlook=sunny -6.4257
outlook=overcast 13.5922
outlook=rainy -5.6562
temperature -0.0776
humidity -0.1556
windy 3.7317
Intercept 22.234
Odds Ratios...
Class
Variable yes
===============================
outlook=sunny 0.0016
outlook=overcast 799848.4264
outlook=rainy 0.0035
temperature 0.9254
humidity 0.8559
windy 41.7508
Time taken to build model: 0.05 seconds
Time taken to test model on training data: 0 seconds
=== Error on training data ===
Correctly Classified Instances 11 78.5714 %
Incorrectly Classified Instances 3 21.4286 %
Kappa statistic 0.5532
Mean absolute error 0.2066
Root mean squared error 0.3273
Relative absolute error 44.4963 %
Root relative squared error 68.2597 %
Total Number of Instances 14
=== Confusion Matrix ===
a b <-- classified as
7 2 | a = yes
1 4 | b = no
问题:
1)报告的第一部分:
Coefficients...
Class
Variable yes
===============================
outlook=sunny -6.4257
outlook=overcast 13.5922
outlook=rainy -5.6562
temperature -0.0776
humidity -0.1556
windy 3.7317
Intercept 22.234
1.1)我是否理解“系数”实际上是应用于每个属性的权重 在将它们加在一起产生类属性“play”的值等于“是”之前?
2)报告的第二部分:
Odds Ratios...
Class
Variable yes
===============================
outlook=sunny 0.0016
outlook=overcast 799848.4264
outlook=rainy 0.0035
temperature 0.9254
humidity 0.8559
windy 41.7508
2.1)“赔率比”是什么意思? 2.2)它们是否也与类属性“play”等于“yes”有关? 2.3)为什么“outlook = overcast”的价值比“outlook = sunny”的价值大得多?
3)
=== Confusion Matrix ===
a b <-- classified as
7 2 | a = yes
1 4 | b = no
3.1)混淆矩阵的内容是什么?
非常感谢你的帮助!
答案 0 :(得分:12)
问题:
从以下评论更新:系数实际上是应用于插入逻辑函数1 /(1 + exp(-weighted_sum))的每个属性的权重获得概率。请注意,在将它们加在一起之前,“截距”值将添加到总和中,而不会乘以任何变量。 结果是新实例属于“是”的概率(&gt; 0.5表示是)。
优势比表明该值的变化(或该值的变化)对预测的影响有多大。我认为 link 可以很好地解释比值比。 outlook = overcast的价值是如此之大,因为如果前景是阴天,那么该游戏将等于是非常好。
混淆矩阵只是简单地显示了有多少测试数据点被正确和错误地分类。在你的例子中,7 A实际上被归类为A,而2 A被错误分类为B.在这个问题中,你的问题得到了更彻底的回答:How to read the classifier confusion matrix in WEKA。