如何解释朴素贝叶斯导致weka?

时间:2010-05-25 12:08:39

标签: machine-learning weka classification

任何人请帮助我解释weka中生成的以下结果,以便使用朴素贝叶进行分类。

请清楚说明是什么

  • 正态分布
  • 平均
  • StandardDev
  • WeightSum
  • 精密。

请帮帮我。我是韦卡的新人。

**     朴素贝叶斯分类器

Class Normal: Prior probability = 0.5 

1374195_at:  Normal Distribution. Mean = 218.06 StandardDev = 6.0572 WeightSum = 3 Precision = 36.34333334
1373315_at:  Normal Distribution. Mean = 1142.58 StandardDev = 21.1589 WeightSum = 3 Precision = 126.95333339999999

1 个答案:

答案 0 :(得分:1)

正态分布是经典的高斯分布。平均值和标准偏差是正态/高斯分布的属性。查看有关此内容的基本统计文本。

重量总和。该值是针对数值计算的。它的值等于类分布。对于虹膜数据集,有3个类(50,50,50),所有这些都是50。对于天气数据集,它是9 5.与类实例编号相同。您的属性值会根据类分布影响您的结果。

精确度:TP /(TP + FP)正确预测的百分比。

更多资源: Classifier Evaluation