如何在WEKA中重新评估模型？
我正在尝试使用线性回归解决WEKA中数字属性的数字分类问题，然后我想在现有数据集上测试我的模型，并在当前测试数据集上重新评估模型。
作为评估的结果，我得到了总结：
相关系数0.9924平均绝对误差1.1017均方根误差1.2445实例总数17
但我没有这里显示的结果：http://weka.wikispaces.com/Making预言
如何让WEKA达到我需要的结果？
非常感谢。
要回答我的问题-对于经过训练和测试的模型，请右键单击该模型并转到可视化分类器错误。使用“保存”选项保存实际值和预测值。
共有1个答案
您使用的是命令行界面（CLI）还是GUI。
如果是CLI，上面链接中给出的命令工作得很好
java weka.classifiers.trees.J48 -T unclassified.arff -l j48.model -p 0
因此，在训练模型时，将其保存为*。模型（j48.model），然后使用它对测试数据进行评估（未分类的arff）
-
问题内容： 我如何创建一些简单的ajax评级，如本页http://watir.com/documentation/所示？每个访问者都应该能够评分，我不需要设置权限。我想将评级存储在列中。因此，用户可以按评分排序。请举一个详细的例子。我不是JavaScript专家。 我找到了一个从头开始创建评分的示例。但是它授权用户。有人可以向我显示创建没有评分者（用户）的评分的指南吗？它不仅应存储值，还应计算票数
-
问题内容： 我正在修改其内部html的指令。到目前为止的代码： 它起作用，除了内部html不按angular求值。我想触发的子树重估。有没有办法做到这一点？ 谢谢 ：） 问题答案： 你必须像你的内部html一样
-
模型在训练集上的误差通常称为 “训练误差” 或 “经验误差”，而在新样本上的误差称为 “泛化误差”。显然，机器学习的目的是得到泛化误差小的学习器。然而，在实际应用中，新样本是未知的，所以只能使训练误差尽量小。 当模型在训练集上表现很好而在新样本上误差很大时，称为 “过拟合”；反之，模型在训练集上误差就很大时，称为 “欠拟合”。 欠拟合通常容易解决，如 增加数据、增大训练次数、增大学习率或使用更复杂
-
本文向大家介绍Git 在代码审查之前重新评估，包括了Git 在代码审查之前重新评估的使用技巧和注意事项，需要的朋友参考一下 示例 概要 这个目标是将您所有分散的提交重组为更有意义的提交，以简化代码审查。如果一次要对太多文件进行太多更改，则很难进行代码审查。如果您可以将按时间顺序创建的提交重新组织为主题提交，则代码复审过程会更容易（并且可能会在代码复审过程中漏出更少的错误）。 这个过度简化的示例并不
-
评估可能的员工，却没有得到它应得的能量。一个糟糕的雇佣，就像糟糕的婚姻，是非常糟糕的。每个人首要的一部分精力应该投入到招聘上，尽管这很少发生。 有不同的面试风格。有的是折磨人的，设计用来把候选人放在巨大压力下。这是为了这样一个有用的目的：在压力下折射出性格缺陷和弱点。候选人对待面试官不会比对待他们自己更诚实，而且，人的自欺能力是令人惊奇的。 你应当，最少，对候选人进行两个小时的与口头考核等价的技术
-
问题内容： 最近，我切换到了Node v.6，它开始在运行正常构建grunt / gulp / webpack时产生越来越多的问题 例如： 而gulp和所有其他插件和模块都已安装（甚至通过来重新安装）在/ node_modules文件夹中。 这些错误大多数都带有 用42作为任意数 就像我提交的那个问题一样- 在angular2种子回购中https://github.com/mgechev/angu