Question

我一直在通过Weka运行数据集，应用NB。我坚持以下问题：当我分析它时，我注意到属性部分中的总数与日志中出现的总实例之间存在差异。

如果你总结“a0”属性，你会注意到Weka指向1044个实例。如果选中“实例”，则为1036。

实际上，数据集包含1036个实例。

有没有人对此有解释？感谢。

这是一个日志粘贴：

=== Run information ===

Scheme:       weka.classifiers.bayes.NaiveBayes 
Relation:     teste.carro
Instances:    1036
Attributes:   7
              a0
              a1
              a2
              a3
              a4
              a5
              class
Test mode:    evaluate on training data

=== Classifier model (full training set) ===

Naive Bayes Classifier

               Class
Attribute          0     1
               (0.5) (0.5)
===========================
a0
  1             105.0 175.0
  2             112.0 165.0
  3             153.0 109.0
  4             152.0  73.0
  [total]       522.0 522.0

a1
  1             101.0 165.0
  2             123.0 165.0
  3             136.0 119.0
  4             162.0  73.0
  [total]       522.0 522.0

a2
  1             150.0 107.0
  2             122.0 133.0
  3             121.0 141.0
  4             129.0 141.0
  [total]       522.0 522.0

a3
  1             247.0   1.0
  2             134.0 265.0
  3             140.0 255.0
  [total]       521.0 521.0

a4
  1             189.0 127.0
  2             177.0 185.0
  3             155.0 209.0
  [total]       521.0 521.0

a5
  1             244.0   1.0
  2             160.0 220.0
  3             117.0 300.0
  [total]       521.0 521.0



Time taken to build model: 0 seconds

=== Evaluation on training set ===

Time taken to test model on training data: 0.01 seconds

=== Summary ===

Correctly Classified Instances         957               92.3745 %
Incorrectly Classified Instances        79                7.6255 %
Kappa statistic                          0.8475
Mean absolute error                      0.1564
Root mean squared error                  0.2398
Relative absolute error                 31.2731 %
Root relative squared error             47.9651 %
Coverage of cases (0.95 level)         100      %
Mean rel. region size (0.95 level)      80.2124 %
Total Number of Instances             1036     

=== Detailed Accuracy By Class ===

                 TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class
                 0,847    0,000    1,000      0,847    0,917      0,858    0,989     0,991     0
                 1,000    0,153    0,868      1,000    0,929      0,858    0,989     0,988     1
Weighted Avg.    0,924    0,076    0,934      0,924    0,923      0,858    0,989     0,989     

=== Confusion Matrix ===

   a   b   <-- classified as
 439  79 |   a = 0
   0 518 |   b = 1

Answer 1

阅读Witten和Frank（Weka的配套书籍）的“数据挖掘：实用机器学习工具和技术”，在朴素的贝叶斯中指出了一个问题。

如果特定属性值没有出现每个可能的类值，则零属性对类预测有不当影响。 在Weka中，在计算条件概率时（相应地调整分母），可以通过在每个分类属性的分子中加一个来避免这种可能性。如果你看一下你的例子，你可以验证这是什么完成。

下面我试图解释缺少属性值所带来的不当影响。

天真的贝叶斯公式：

P（y | x）=（P（x1 | y）* P（x2 | y）* ... * P（xn | y）* P（Y））/ P（x）

从幼稚的贝叶斯公式我们可以看出它们的含义：

说：


P（x1 | y1）= 0

P（x2 | y1）... P（xn | y1）均等于1


从上面的公式：


P（y1 | x）= 0

即使所有其他属性强烈表明实例属于类y1，但结果概率为零。 Weka进行的调整允许实例仍然来自类y1。

可以在此webpage

的幻灯片12周围找到真正的数字示例

朴素贝叶斯（Weka） - 属性总数x实例总数 - 为什么它不同？

1 个答案: