machine-learning - 解释朴素贝叶斯结果

Question

我开始使用NaiveBayes/Simple分类器进行分类（Weka），但是在训练数据时我有一些问题需要理解。我使用的数据集是weather.nominal.arff。

当我使用选项中的使用训练测试时，分类器结果是：

Correctly Classified Instances 13  -  92.8571 %    
Incorrectly Classified Instances 1 - 7.1429 %   

a b classified as  
9 0  a =yes
1 4  b = no

我的第一个问题应该从不正确的分类实例中理解什么？为什么会出现这样的问题？哪个属性集合分类不正确？有没有办法理解这一点？

其次，当我尝试 10 折交叉验证时，为什么我得到不同（更少）正确分类的实例？

结果是：

Correctly Classified Instances           8               57.1429 %
Incorrectly Classified Instances         6               42.8571 %

 a b   <-- classified as
 7 2 | a = yes
 4 1 | b = no

Answer 1

您可以通过从以下选项中选择此选项来获取每个实例的单独预测：

更多选项... > 输出预测 > 纯文本

除了评估指标之外，这将为您提供以下内容：

=== Predictions on training set ===

 inst#     actual  predicted error prediction
     1       2:no       2:no       0.704 
     2       2:no       2:no       0.847 
     3      1:yes      1:yes       0.737 
     4      1:yes      1:yes       0.554 
     5      1:yes      1:yes       0.867 
     6       2:no      1:yes   +   0.737 
     7      1:yes      1:yes       0.913 
     8       2:no       2:no       0.588 
     9      1:yes      1:yes       0.786 
    10      1:yes      1:yes       0.845 
    11      1:yes      1:yes       0.568 
    12      1:yes      1:yes       0.667 
    13      1:yes      1:yes       0.925 
    14       2:no       2:no       0.652 

这表明第 6 个实例被错误分类。请注意，即使您在相同的实例上进行训练和测试，也可能由于数据的不一致而发生错误分类（最简单的示例是两个实例具有相同的特征但具有不同的类标签）。

请记住，上述测试方式是有偏见的（它有点作弊，因为它可以看到问题的答案）。因此，我们通常对在未见过的数据上获得更真实的模型误差估计感兴趣。交叉验证就是这样一种技术，它将数据分成 10 个分层折叠，对一个折叠执行测试，同时在另外九个折叠上进行训练，最后它报告十次运行的平均准确度。