Binary Weka-逻辑回归-解释结果
我正在使用Weka使用已知二元结果的训练数据进行逻辑回归。它的性能相当好，大约80%的实例分类正确。我还有一个数据集，使用当前数据，结果未知。当我使用当前数据和输出预测运行模型时，它将每个实例分类为是或否，并提供错误和概率分布项（其中错误+概率分布=1）。我很难理解这些结果。有人能帮我翻译一下吗？我注意到，当概率分布低于0.5时，模型仅猜测是。这是否意味着我应该将其理解为1-概率分布，结果是肯定的？类别概率总和必须始终为1。如果只有P（Yes）=40%和P（No）=20%以及Yes和No是类，那么缺少的40%是什么 同样，如果结果是p（Yes）=60%，p（No）=40%，那么你要给出一个预测，而不是一个概率，显然理性的选择是肯定的，因为它在所有选项中具有最高的概率。这是最新的。（感谢拉斯曼） 在二元分类问题中，这与选择p>50%的答案相同Binary Weka-逻辑回归-解释结果,binary,weka,regression,logistics,Binary,Weka,Regression,Logistics,我正在使用Weka使用已知二元结果的训练数据进行逻辑回归。它的性能相当好，大约80%的实例分类正确。我还有一个数据集，使用当前数据，结果未知。当我使用当前数据和输出预测运行模型时，它将每个实例分类为是或否，并提供错误和概率分布项（其中错误+概率分布=1）。我很难理解这些结果。有人能帮我翻译一下吗？我注意到，当概率分布低于0.5时，模型仅猜测是。这是否意味着我应该将其理解为1-概率分布，结果是肯定的？类别概率总和必须始终为1。如果只有P（Yes）=40%和P（No）=20%以及Yes和No是类，那
在不知道您得到的实际输出是什么样子的情况下，您得到的概率似乎确实是p（No）+1。FWIW，选择概率最高的类（或在二进制情况下大于½）称为。感谢您的澄清。非常感谢。