0

我一直在通过 Weka 运行数据集，应用 NB。我坚持以下问题：在分析它时，我注意到属性部分中的总数与日志中出现的实例总数之间的差异。

如果对“a0”属性求和，您会注意到 Weka 点 1044 个实例。如果选中“Instances”，则为 1036。

数据集实际上包含 1036 个实例。

有人对此有解释吗？谢谢。

这是一个日志粘贴：

=== Run information ===

Scheme:       weka.classifiers.bayes.NaiveBayes 
Relation:     teste.carro
Instances:    1036
Attributes:   7
              a0
              a1
              a2
              a3
              a4
              a5
              class
Test mode:    evaluate on training data

=== Classifier model (full training set) ===

Naive Bayes Classifier

               Class
Attribute          0     1
               (0.5) (0.5)
===========================
a0
  1             105.0 175.0
  2             112.0 165.0
  3             153.0 109.0
  4             152.0  73.0
  [total]       522.0 522.0

a1
  1             101.0 165.0
  2             123.0 165.0
  3             136.0 119.0
  4             162.0  73.0
  [total]       522.0 522.0

a2
  1             150.0 107.0
  2             122.0 133.0
  3             121.0 141.0
  4             129.0 141.0
  [total]       522.0 522.0

a3
  1             247.0   1.0
  2             134.0 265.0
  3             140.0 255.0
  [total]       521.0 521.0

a4
  1             189.0 127.0
  2             177.0 185.0
  3             155.0 209.0
  [total]       521.0 521.0

a5
  1             244.0   1.0
  2             160.0 220.0
  3             117.0 300.0
  [total]       521.0 521.0



Time taken to build model: 0 seconds

=== Evaluation on training set ===

Time taken to test model on training data: 0.01 seconds

=== Summary ===

Correctly Classified Instances         957               92.3745 %
Incorrectly Classified Instances        79                7.6255 %
Kappa statistic                          0.8475
Mean absolute error                      0.1564
Root mean squared error                  0.2398
Relative absolute error                 31.2731 %
Root relative squared error             47.9651 %
Coverage of cases (0.95 level)         100      %
Mean rel. region size (0.95 level)      80.2124 %
Total Number of Instances             1036     

=== Detailed Accuracy By Class ===

                 TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class
                 0,847    0,000    1,000      0,847    0,917      0,858    0,989     0,991     0
                 1,000    0,153    0,868      1,000    0,929      0,858    0,989     0,988     1
Weighted Avg.    0,924    0,076    0,934      0,924    0,923      0,858    0,989     0,989     

=== Confusion Matrix ===

   a   b   <-- classified as
 439  79 |   a = 0
   0 518 |   b = 1
4

1 回答 1

1

阅读 Witten 和 Frank 的“数据挖掘：实用机器学习工具和技术”（Weka 的配套书籍）时，在朴素贝叶斯中指出了一个问题。

如果一个特定的属性值没有出现在每个可能的类值中，那么零属性对类预测有不当的影响。 在 Weka 中，通过在计算条件概率时将每个分类属性的分子加一来避免这种可能性（相应地调整分母）。 如果您查看您的示例，您可以验证这是已完成的操作。

下面我试图解释缺少属性值所表现出的不当影响。

朴素贝叶斯公式：

P(y|x)= ( P(x1|y) * P(x2|y) * ... * P(xn|y) * P(Y) ) / P(x)

从朴素贝叶斯公式我们可以看出它们的含义：

说：

  • P(x1|y1) = 0
  • P(x2|y1) ... P(xn|y1) 都等于 1

从上面的公式：

  • P(y1|x) = 0

即使所有其他属性都强烈表明该实例属于类 y1，但结果概率为零。Weka 所做的调整允许实例仍然来自类 y1。

从本网页的幻灯片 12 开始，可以找到一个真实的数字示例

于 2013-11-06T21:10:26.827 回答