我需要帮助才能使用J48解释weka中的结果
我不知道如何解释结果，我正在使用来自http://archive.ics.uci.edu/ml/datasets/Heart+Disease的数据集心脏病数据集
和J48树
请帮助我，对此分析有一些重点 我的结果是：
===运行信息===
===分类器模型（完整训练集）===
cp <= 3
| sex <= 0: 0 (57.0/2.0)
| sex > 0
| | slope <= 1
| | | fbs <= 0
| | | | trestbps <= 152
| | | | | thalach <= 162
| | | | | | ca <= 1
| | | | | | | age <= 56: 0 (12.0/1.0)
| | | | | | | age > 56: 1 (3.0/1.0)
| | | | | | ca > 1: 1 (2.0)
| | | | | thalach > 162: 0 (27.0)
| | | | trestbps > 152: 1 (4.0/1.0)
| | | fbs > 0: 0 (9.0)
| | slope > 1
| | | slope <= 2
| | | | ca <= 0
| | | | | fbs <= 0
| | | | | | chol <= 261
| | | | | | | oldpeak <= 2.5: 0 (11.61/1.0)
| | | | | | | oldpeak > 2.5: 1 (3.0)
| | | | | | chol > 261: 1 (4.0)
| | | | | fbs > 0: 0 (4.0)
| | | | ca > 0
| | | | | thal <= 6: 1 (6.0/1.0)
| | | | | thal > 6
| | | | | | thalach <= 145: 0 (3.39)
| | | | | | thalach > 145: 1 (5.0/1.0)
| | | slope > 2: 0 (8.0/1.0)
cp > 3
| thal <= 3
| | ca <= 2
| | | exang <= 0
| | | | sex <= 0
| | | | | chol <= 304: 0 (14.0)
| | | | | chol > 304: 1 (3.0/1.0)
| | | | sex > 0
| | | | | ca <= 0: 0 (10.0/1.0)
| | | | | ca > 0: 1 (3.0)
| | | exang > 0
| | | | restecg <= 1
| | | | | slope <= 1: 0 (2.0)
| | | | | slope > 1: 1 (5.37)
| | | | restecg > 1
| | | | | ca <= 0: 0 (4.0)
| | | | | ca > 0
| | | | | | ca <= 1
| | | | | | | thalach <= 113: 0 (2.0)
| | | | | | | thalach > 113: 1 (4.0)
| | | | | | ca > 1: 0 (2.0)
| | ca > 2: 1 (4.0)
| thal > 3
| | fbs <= 0
| | | ca <= 0
| | | | chol <= 278: 0 (23.0/8.0)
| | | | chol > 278: 1 (6.0)
| | | ca > 0: 1 (46.0/12.0)
| | fbs > 0
| | | ca <= 1: 1 (3.88)
| | | ca > 1: 0 (11.75/4.75)
叶数：31
树的大小：61
答案 0 :(得分：2)
如果您使用的是Weka Explorer，您可以右键单击结果列表中的结果行（位于开始按钮下方窗口的左侧）。然后选择可视化树。这将显示树的图像。
如果您仍想了解问题中显示的结果：
结果显示为树。树的根从左边开始。您可以看到使用的第一个功能称为cp。如果cp小于或等于3，那么树中的下一个特征是性别，依此类推。你可以看到，当你按性别和性别分开＆lt; = 0时，你会达到预测。预测值为0，（57/2）表示在此路径中设置的列车中的57个观测值标记为0，而2标记为1。
以下是树的起点：
--------start---------
| |
| |
|cp > 3 | cp <= 3
_________|______ ____|__________
| | | |
|thal>3 |thal<=3 |sex>0 |sex<=0
| | | |
... ... ... prediction 0 (57,2)
答案 1 :(得分：2)
AndreyF的解释很好。我想补充一些信息。
为什么树的叶子中有浮点数？实例（个体）可以拆分并获得浮点值吗？ （在现实中，一个人不能分裂）
当实例完全设置了所有属性时，就没有问题。但是当实例缺少属性时，分类器（J48）并不知道该属性的树的方式。
例如，如果一个实例有＆＃34; oldpeak＆＃34;属性就像一个缺失属性然后当它到达＆＃34; chol＆lt; = 261＆＃34;节点（＆＃34; oldpeak＆＃34;节点的前一个节点）分类器将根据概率划分实例，实例的百分比将转到＆＃34; oldpeak＆lt; = 2.5＆＃34;另一个百分比将转到＆＃34; oldpeak＆gt; 2.5＆＃34;
分类器如何计算该概率？它通过实例计算实际节点不具有缺失属性。对于这个例子，将是＆＃34; oldpeak＆＃34;属性。
如果我们有25％的实例没有丢失＆＃34; oldpeak＆＃34;归类于＆＃34; oldpeak＆lt; = 2.5＆＃34;节点，我们有75％的实例没有遗漏＆＃34; oldpeak＆＃34;属于＆＃34; oldpeak＆gt;的属性2.5＆＃34;节点然后当分类器想要用＆＃34; oldpeak＆＃34;来分类实例时属性缺失然后这个实例的25％将通过＆＃34; oldpeak＆lt; = 2.5＆＃34;其余的（75％）将通过＆＃34; oldpeak＆gt; 2.5＆＃34;
您可以尝试删除缺少属性的实例，您会看到树只有整数而不是浮点数。
谢谢。