Comment lire la matrice de confusion du classificateur dans WEKA

Désolé, je suis nouveau sur WEKA et de l'apprentissage.

Dans mon arbre de décision (J48) classificateur de sortie, il y a une confusion de la Matrice:

a    b   <----- classified as
130  8     a = functional
15   150   b = non-functional
  • Comment lire ce tableau? Quelle est la différence entre un & b?
  • Aussi, quelqu'un peut-il m'expliquer ce que les valeurs de domaine?

source d'informationauteur JakeSays

  1. 21

    Avez-vous lu le page wikipedia sur les matrices de confusion? Le texte autour de la matrice est arrangé un peu différemment dans leur exemple (étiquettes de ligne à gauche plutôt qu'à droite), mais vous lire tout de même.

    La ligne indique la classe, la colonne indique le classificateur de sortie. Chaque entrée donne le nombre d'occurrences de <row> qui ont été classés comme <column>. Dans votre exemple, 15 Bs ont été (à tort) classés comme Comme, 150 Bs ont été correctement classés comme Bs, etc.

    En conséquence, tous les corriger classifications sont dans le coin en haut à gauche au bas à droite de la diagonale. Tout que la diagonale est une classification erronée de quelque sorte.

  2. 8

    Je l'avais mis de cette façon:

    La matrice de confusion est Weka établissement de rapports sur la façon dont cette bonne J48 modèle est en fonction de ce qu'il obtient le droit, et ce à quoi il se trompe.

    Dans vos données, la variable cible était "fonctionnelle" ou "non-fonctionnel"; le côté droit de la matrice vous dit que la colonne "a" est fonctionnelle, et "b" est non-fonctionnelle.

    Les colonnes de vous dire combien votre modèle classés vos échantillons - c'est ce que le modèle prédit:

    • La première colonne contient tous les échantillons qui votre modèle pense que sont des "a" - 145 d'entre eux, le total des
    • La deuxième colonne contient tous les échantillons qui votre modèle pense que sont des "b" - 158 d'entre eux

    Les lignes, d'autre part, de représenter la réalité:

    • La première ligne contient tous les échantillons qui sont vraiment "un" - 138 d'entre eux, le total des
    • La deuxième ligne contient tous les échantillons qui sont vraiment "b" - 165 d'entre eux

    Connaître les colonnes et les lignes, vous pouvez aller dans les détails:

    • En haut à gauche, 130, sont des choses que votre modèle pense que sont des "a" qui sont vraiment
      "a" <- ces étaient correctes
    • En bas à gauche, 15, sont des choses que votre modèle pense sont "un" mais qui
      sont vraiment "b" <- un type de l'erreur
    • En haut à droite, 8, sont des choses que votre modèle pense que sont des "b", mais qui
      sont vraiment "a" <- un autre type d'erreur
    • En bas à droite, 150 sont des choses que votre modèle pense que sont des "b" qui
      sont vraiment "b"

    Donc en haut à gauche et en bas à droite de la matrice de présenter les choses de votre modèle droit.

    En bas à gauche et en haut à droite de la matrice sont de montrer où votre modèle est confus.