我添加了我的数据集的class-attribute，如下所示（对于train-和testset也是如此）：
ArrayList<String> nomValues = new ArrayList<>();
nomValues.add("1");
nomValues.add("0");
datasetBinary_train.insertAttributeAt(new Attribute("class", nomValues), datasetBinary_train.numAttributes());
所以我假设值1位于位置0，值0位于位置1。
因此，我假设我double[]获得的NominalPrediction.distribution()将在0位具有类“1”的类概率。
检查分类结果似乎反之亦然。
One Prediction看起来像这样。
NOM：1.0 0.0 1.0 0.6081479321383793 0.3918520678616207
其中1是实际的类，0是预测的类（然后是权重，下一个是分布）。我认为标签“0”的概率更高，这意味着标记为“0”的实例的概率显示在索引0
评估标题显示
@attribute（...）
@attribute class {1,0}
所以直到它有正确的顺序。
有人可以告诉我如何在评估中对属性值进行排序？如何确保选择正确的？
答案 0 :(得分：1)
您将标签与标签索引混淆（Weka在内部使用基于0的索引来表示标签）：
NOM: <actual label index> <predicted label index> <weight> <distribution>
实际标签索引是1.0（＆＃34; 0＆＃34;），预测索引是0.0（＆＃34; 1＆＃34;），权重是1.0，分布是＆＃34; 0.61 0.39 ＆＃34 ;.基于分布，第一个标签被预测（0.0或＆＃34; 1＆＃34;）。