1

这是我能够生成的 WEKA 输出。不幸的是，我不知道如何计算混淆矩阵。有人可以帮我计算一下吗？

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

J48 pruned tree

-----------------

plas <= 127: negative (485.0/94.0)
plas > 127
|   mass <= 29.9
|   |   plas <= 145: negative (41.0/6.0)
|   |   plas > 145
|   |   |   age <= 25: negative (4.0)
|   |   |   age > 25
|   |   |   |   age <= 61: positive (27.0/9.0)
|   |   |   |   age > 61: negative (4.0)
|   mass > 29.9
|   |   plas <= 157
|   |   |   age <= 30: negative (50.0/23.0)
|   |   |   age > 30: positive (65.0/18.0)
|   |   plas > 157: positive (92.0/12.0)

Number of Leaves  : 8

Size of the tree :  15

一个。使用 WEKA 输出构建混淆矩阵。（提示：查看每个叶子节点以确定有多少实例落入四个象限中的每一个；并汇总所有叶子节点的结果以获得最终计数） 在此处输入图像描述

TP=？

FP=？

FN=?

TN=?

湾。在医学诊断中，常用的三个指标是：敏感性、特异性和诊断准确性。灵敏度定义为 TP/(TP+FN) ；特异性定义为 TN/(FP+TN)；诊断准确度定义为敏感性和特异性的平均值。根据上面的混淆矩阵计算诊断准确率。

如果有人可以帮助我，我将不胜感激。谢谢！

4

2 回答 2

1

在“分类”面板中，点击“更多选项”，点击“输出混淆矩阵”，点击确定。

我添加了相应 GUI 屏幕和对话框的屏幕截图。在屏幕截图中，“更多选项...”按钮 (1) 显示为灰色，因为我已经点击了它。

在此处输入图像描述

于 2016-10-23T11:33:29.397 回答
0

在这里填写所需的表格，您必须了解树和每个叶子的数字。树的根节点是“plas”。它有两个孩子。'plas' 小于或等于 127 的所有输入案例都落在第一个孩子身上，而所有 'plas' 大于 127 的案例都落在第二个孩子身上。第一个孩子的叶子为负表示落在第一个孩子的案例都是负面的。括号中的图 485 表示“plas”小于或等于 127 的输入案例的数量，而 94 表示在这 485 个案例中，有 94 个被错误分类为阴性。树的其余部分也是如此。所以，

  • TP=145
  • FP=39
  • TN=461
  • FN=123

希望这可以帮助。如果有任何可疑之处，请发表评论。

于 2016-10-19T14:46:15.387 回答