Question

我正在开发weka GUI进行分类。以下是SVM分类器的预测输出的小版本。任何人都可以帮我解释为什么它只显示False Positives (FP)？如您所见，在某些实例中都有+符号。有没有办法显示假阴性（FP），以便我们有一些-标志？

inst#     actual  predicted error prediction
        1   1:normal   1:normal       1
        2   1:normal   1:normal       1
        3  2:anomaly   1:normal   +   1
        4  2:anomaly  2:anomaly       1
        5   1:normal   1:normal       1
        6  2:anomaly   1:normal   +   1
        7  2:anomaly  2:anomaly       1
        8   1:normal   1:normal       1
        9  2:anomaly  2:anomaly       1
       10  2:anomaly   1:normal   +   1
       11  2:anomaly  2:anomaly       1
       12  2:anomaly  2:anomaly       1
       13  2:anomaly   1:normal   +   1
       14  2:anomaly  2:anomaly       1
       15   1:normal  2:anomaly   +   1
       16   1:normal   1:normal       1
       17  2:anomaly   1:normal   +   1
       18   1:normal   1:normal       1

摘要

===按班级详细的准确度===

             TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class
             0.936    0.134    0.890      0.936    0.912      0.807    0.967     0.964     normal
             0.866    0.064    0.922      0.866    0.893      0.807    0.965     0.949     anomaly

加权平均值0.904 0.101 0.905 0.904 0.904 0.807 0.966 0.957

=== Confusion Matrix ===

     a     b   <-- classified as
 63060  4283 |     a = normal
  7832 50798 |     b = anomaly

Answer 1

错误否定包含在输出

中

        TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class
         0.936    0.134    0.890      0.936    0.912      0.807    0.967     0.964     normal
         0.866    0.064    0.922      0.866    0.893      0.807    0.965     0.949     anomaly

阶级异常的误报是阶级正常的假阴性。

这是因为未定义正/负。如果你将异常定义为正，那么

TP: 0.936 / FP 0.134 / FN 0.064 / TN 0.866

但是，如果将normal定义为正

TN: 0.936 / FN 0.134 / FP 0.064 / TP 0.866

weka预测输出的假阴性（FN）

1 个答案: