方法在weka中未给出混淆矩阵
我想在weka中进行分类。我正在使用一些方法（随机树、随机森林、决策表、随机子空间...），但它们会给出如下结果。
=== Cross-validation ===
=== Summary ===
Correlation coefficient 0.1678
Mean absolute error 0.4832
Root mean squared error 0.4931
Relative absolute error 96.6501 %
Root relative squared error 98.6323 %
Total Number of Instances 100000
然而，我希望结果作为准确度和混淆矩阵。我怎样才能得到这样的结果？
注意：当我使用小数据集时，它会以混淆矩阵的形式给出结果。它可以与数据集的大小相关吗？
共有2个答案
我使用J48和RandomForest运行了一个2类问题，有100000个实例，混乱矩阵显示正确。此外，我还增加了问题的复杂性，以运行20个不同的类，混淆矩阵也正确显示。
如果查看更多选项，请确保选中“输出混淆矩阵”，并查看这是否解决了问题。
Weka中训练/测试的输出取决于您试图预测的属性的类型。如果您的属性是标称的，您将获得混淆矩阵和准确度值。如果您的属性是数字的，您将获得相关系数。
在您提到的小型和大型数据集中，您预测的属性类型是什么？
-
如何分析Weka中的混淆矩阵，以获得准确度？我们知道，由于数据集不平衡，精度不准确。混淆矩阵如何“确认”准确性？ 示例：a）准确率96.1728% b） 准确率：96.8% 等...
-
对不起，我是新来WEKA，刚刚学习。 在我的决策树（J48）分类器输出中，有一个混淆矩阵： 我如何读取这个矩阵？
-
我正在从事一个垃圾邮件过滤器挖掘项目，目前我正在使用NaiveBayesMultinomical分类器，通过计算单词出现的频率将垃圾邮件与非垃圾邮件进行分类。 问题是，WEKA在默认情况下将分类阈值设置为0.5。然而，将非垃圾邮件误分类为垃圾邮件比反之更有害。 我想调整WEKA的NaiveBayesMultinomical算法的阈值，看看混淆矩阵是如何变化的。如果不能直接实现，我如何利用WEKA的
-
我对数据挖掘并不陌生，所以我完全被WEKA结果难倒了。希望得到一些帮助。提前谢谢！ 我有一个具有二分类（S， H）的数值向量数据集。我在省略交叉验证中训练了一个朴素贝叶斯模型（尽管方法真的无关紧要）。结果如下： 如您所见，输出和混淆矩阵都有三个错误。然后，我使用具有相同属性和相同两个类的独立数据集重新评估模型。结果如下： 这就是我的问题所在。输出清楚地显示有很多错误。事实上，有44个。另一方面，混
-
我正在对实际数据和来自分类器的预测数据进行多标签分类。实际数据包括三类（c1、c2和c3），同样，预测数据也包括三类（c1、c2和c3）。数据如下 在多标签分类中，文档可能属于多个类别。在上述数据中，1表示文档属于特定类，0表示文档不属于特定类。 第一行Actual\u数据表示文档属于c1类和c2类，不属于c3类。类似地，第一行predicted\u数据表示文档属于类别c1、c2和c3。 最初我使