我的模型有一个小问题 JRip classifier
输出似乎足够好，但我担心高相对绝对误差和Root相对平方误差。当我尝试使用J48和NaiveBayes时，它的亮度也高达98％。它在分类中不是那么重要，我可以这样离开吗？否则，我该如何改进呢？ 成本矩阵是：
0 1
2 0
改善了第二类TP费率的结果。 提前感谢您的帮助
答案 0 :(得分：0)
相对绝对误差（和类似的Root相对平方误差）计算为平均绝对误差除以ZeroR classifier的误差（分类器，忽略所有预测变量并简单地选择最常见的值 - <在您的情况下强> a ）。您可以查看公式here。
如果您查看混淆矩阵，则会看到您有719 a cases和303 b cases。 ZeroR分类器将所有案例分类为 a ，正确<70>正确的训练数据集。为了进行比较，您的模型正确地获得了66％（！）。
相对绝对误差的值在你的情况下（分类）不是很重要，因为这样的误差值并不重要（你要找 1或2 ，如果预测不关心只要选择正确的类，模型计算1.88或1.77 。但是，如上所述，您的模型得分不是很高，超过100％的值就是它的假设。
至于模型改进，如果不了解更多信息，很难说。但你可以尝试不同的算法，例如KNN。可以找到一个例子的好解释on the IBM developerworks Blog
