Weka中SMO,NaiveBayes和BayesNet分类器的不同结果

时间:2014-02-25 17:34:32

标签: classification weka svm smo liblinear

我在我的数据集上尝试不同的Weka分类器。我有一个小数据集,我将我的数据分为五个类。 我的问题是,当我通过不同的分类器应用交叉验证或百分比分割分类时,我会得到非常不同的结果。

例如,当我使用NaiveBayseBayseNet分类符时,我的所有课程的F分数约为40,但使用SMO我得到的F分数为20当我使用LibLinear分类器给我一个大约15的F分数时,会得到更糟糕的结果。

也许我应该提一下,由于LibLinear分类器不接受名词,我会为每个可能的名义值分配一个代码,并将其用作我的数据集中的Numeric值。

有人能告诉我为什么会得到如此不同的结果吗?我希望所有分类器都有大致相似的结果。

此外,当我在我的测试集上使用LibLinear时,我将所有数据归类在其中一个类中,而其他四个类中没有实例。

提前致谢,

0 个答案:

没有答案