本文轉自：?

http://blog.csdn.net/lantian0802/article/details/8875874

http://blog.csdn.net/lkj345/article/details/50152055

點擊最上方的Classify按鈕，選擇Logistic（邏輯回歸）分類方法，在Test options中選擇Percentage split，66%。這樣weka自動將大約2/3的數據作為訓練集，大約1/3的數據作為測試集，采用邏輯回歸作為分類方法，結果如下圖。

?另外也可以選擇Cross-validation，Folds設置為10，這是10-fold的交叉驗證，首先隨機將所有數據隨機分成10份，將其中9份作為訓練集，另外1份作為測試集，按照邏輯回歸進行10次分類實驗，最終保證每個數據都能作為測試集并且僅有一次，將10次分類結果綜合起來得到最終的分類結果?

為了保證生成的模型的準確性而不至于出現擬合的現象，我們有必要采用10折交叉驗證來選擇和評估模型。

10 折交叉驗證：英文名叫做10-fold corss –validation，用來測試算法的準確性。是常用的測試方法。將數據集分成10份，輪流將其中9份作為訓練數據，1份作為測試數據，進行試驗。每次試驗都會得到相應的正確率（或差錯率）。10次的結果的正確率（或差錯率）的平均值作為對算法精確讀的估計，一般還需要進行多次10折交叉驗證。

- Correctly Classified Instances表示分類正確率?
- Incorrectly Classified Instances表示分類錯誤率?
- TP Rate是True Positive Rate的縮寫，表示本來是正樣本，結果也被分類成正樣本的比例?
- FP Rate是False Positive Rate的縮寫，表示本來是負樣本，結果卻被分類成了正樣本的比例?
- Precision表示查準率，公式為Precision =?TPTP+FP，含義是被分類為正樣本中真正的正樣本的比例?
- Recall表示查全率，公式為Recall =?TPTP+FN，FN Rate是False Negative Rate的縮寫，表示本來是正樣本，結果卻被分類成負樣本的比例，所以Recall的含義是真正的正樣本占整個數據集（分類正確的和錯誤的）中正樣本的比例?
- F-Measure的公式是2?P?RP+R，是很常用的判斷分類效果好壞的指標?

weka和matlab完成完整分類實驗

http://blog.csdn.net/lkj345/article/details/50152055

WEKA的應用之 J48（C4.5）

http://blog.csdn.net/omenglishuixiang1234/article/details/48343987

總結

以上是生活随笔為你收集整理的机器学习之 weka学习（四）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。