我是数据挖掘和Weka的新手。我使用GUI在Weka中使用 J48 构建了一个分类器。当Weka完成运行时，它说：
Correctly Classified Instances 1035 - 68.543 %
Incorrectly Classified Instances 475 - 31.457 %
当从我自己的代码（使用IKVM.NET的C＃）运行时，我使用相同的未标记数据集重新评估我的模型，将预测类的结果保存到ARFF文件中并计算我从1500条记录获得的结果
大约有1300条记录被正确分类，200条记录没有，这给（我认为）86％的精度测量值。
这是对的吗？为什么结果会有所不同？
答案 0 :(得分：4)
我认为你的困惑＆＃34;准确性＆＃34;和＆＃34;精度＆＃34;，they are not the same thing。
在公式中：
准确度=（TP + TN）/（TP + TN + FP + FN）= #correct / #all_instances
精确= TP /（TP + FP）=＃correct_positive / #classified_as_positive
如果你在两种情况下都意味着准确性（1300/1500的准确度大约是86％），那么在没有看到你的代码和GUI的日志的情况下，没有办法知道发生了什么，这可能是太多了。
最有可能的解释是，您的代码与GUI中的代码有所不同。也许是不同的随机化，不同的分裂，不同的学习参数等等。
答案 1 :(得分：4)
Weka给你的结果只是衡量正确和错误分类记录的数量，即
这不与测量精度相同。精度是衡量相关的正确分类实例的数量，即
这是一个非常具体的指标，最好与其他指标相关，例如召回和准确性。它可能不是衡量模型一般性能的最佳方法。
有关Precision和Recall的详细信息，请参阅：http://en.wikipedia.org/wiki/Precision_and_recall
尽管如此，你的数字还是没有多大意义。但是，如果不了解更多细节，可以说更多。