Weka

Question

我尝试使用J48算法对Weka中的 iris.arff 数据集进行简单分类。我使用10倍的交叉验证 - 如果我没有错 - - J48的所有默认设置。 结果是6个错误分类的实例的准确率为96％。

这是我的问题：根据this，树形可视化中的第二个数字是每个叶子中错误分类的实例的数量，但是为什么它们的总和不是6而是3？

编辑：使用不同的测试选项运行算法我在准确性（因此错误数量）方面获得了不同的结果，但是当我可视化树时，我总是得到具有相同3个错误的相同树。我仍然无法解释原因。

Answer 1

树形可视化中的第二个数字不是每个叶子中错误分类的实例的数字 - 它是那些错误分类的实例的总权重 。 你有没有用0.5而不是1来衡量其中一些实例？

另一个选择是你实际上正在执行两个不同的模型。您可以使用完整的训练集来构建分类器（classifier.buildClassifier（instances）），另一个使用10个训练/测试折叠运行交叉验证（eval.crossValidateModel（...））。第一个模型将生成具有较少错误的可视化树（较大的训练集），而来自CV的第二个模型生成具有更多错误的输出统计数据。这可以解释为什么在更改测试集时会获得不同的统计信息，但仍然是在完整集上构建的相同树。

对于记录：如果使用完整数据集训练（并可视化）树，您将看起来错误较少，但您的模型实际上将被过度拟合，并且获得的性能测量可能不太现实。因此，CV的结果更有用，您应该从该模型中可视化树。