Come leggere la matrice di confusione del classificatore in WEKA

Question

Scusa, sono nuovo di WEKA e sto imparando.

Nel mio albero di decisione (J48) Uscita classificatore, c'è una matrice di confusione:

a b <----- classified as 
130 8  a = functional 
15 150 b = non-functional 

• Come faccio a leggere questa matrice? Qual è la differenza tra uno & b?
• Inoltre, qualcuno può spiegarmi quali valori di dominio sono?

Answer 1

Hai letto il wikipedia page on confusion matrices? Il testo attorno alla matrice è organizzato in modo leggermente diverso nel loro esempio (le etichette delle righe a sinistra anziché a destra), ma lo leggi lo stesso.

La riga indica la classe reale, la colonna indica l'output del classificatore. Ogni voce, quindi, indica il numero di istanze di <row> classificate come <column>. Nel tuo esempio, 15 Bs erano classificati erroneamente come As, 150 Bs erano classificati correttamente come Bs, ecc.

Come risultato, tutte le corrette sono le classificazioni nella diagonale in alto a sinistra in basso a destra. Tutto fuori da quella diagonale è una classificazione errata di qualche tipo.

Answer 2

avevo messo in questo modo:

matrice

La confusione è la segnalazione Weka su quanto è buono questo modello J48 è in termini di ciò che si ottiene a destra, e quello che si ottiene sbagliato.

Nei dati, la variabile di destinazione era "funzionale" o "non funzionale"; il lato destro della matrice indica che la colonna "a" è funzionale e "b" non è funzionale.

Le colonne indicano come il vostro modello classificato vostri campioni - è ciò che il modello ha predetto:

• La prima colonna contiene tutti i campioni che il vostro modello pensa sono "a" - 145 di loro, totale
• la seconda colonna contiene tutti i campioni che il vostro modello pensa sono "b" - 158 di loro

le righe, invece, rappresentare la realtà:

• La prima riga contiene tutti i campioni che sono davvero "a" - 138 di loro, totale
• La seconda riga contiene tutti i campioni che sono davvero "b" - 165 di loro

Conoscere il colonne e righe, si può scavare nei dettagli:

• in alto a sinistra, 130, sono cose che il vostro modello pensa sono "a" che in realtà sono "a" < - questi erano corretto
• in basso a sinistra, 15 , sono thi ngs vostro modello pensa sono "una", ma che sono davvero "b" < - un tipo di errore
• alto a destra, 8, sono cose che il vostro modello pensa siano "b", ma che sono davvero "a" < - un altro tipo di errore
• in basso a destra, 150 sono cose che il vostro modello pensa sono "b", che sono davvero "b"

Così in alto a sinistra e in basso a destra della matrice stanno mostrando cose che il vostro modello ottiene destra .

I pulsanti in basso a sinistra e in alto a destra della matrice mostrano dove il modello è confuso.