Machine learning 有人能解释一下这个输出到底是什么吗？
我将WEKA与“weather.arff”数据集一起使用，然后我应用了朴素贝叶斯分类器，并进行了10倍交叉验证，正如您在给定的快照中所看到的那样。除了我在照片上标记为红色的东西外，我几乎了解所有的东西 总共有Machine learning 有人能解释一下这个输出到底是什么吗？,machine-learning,weka,naivebayes,Machine Learning,Weka,Naivebayes,我将WEKA与“weather.arff”数据集一起使用，然后我应用了朴素贝叶斯分类器，并进行了10倍交叉验证，正如您在给定的快照中所看到的那样。除了我在照片上标记为红色的东西外，我几乎了解所有的东西 总共有9（是）+5（否）=14，但这些总和超过了总数。这是什么意思？它们是否与10倍CV后分类器的性能有关 outlook sunny 3.0 4.0 overcast 5.0 1.0 rainy 4.0
9（是）+5（否）=14outlook
sunny 3.0 4.0
overcast 5.0 1.0
rainy 4.0 3.0
[total] 12.0 8.0
20.014个有一个关于10倍交叉验证的解释 随机选择10组数据，分为90%的训练数据和10%的测试数据。由于要处理14行数据，可能需要12行用于培训，2行用于测试。在运行所有10个测试之后，将有20个结果。这对于有关前景的数据来说是有意义的，但windy的18个总数使这一理论受到质疑
我相信图片顶部的0.63和0.38代表了10项测试中是和否答案的百分比。我找到了问题的答案。这个问题被称为“零频率问题”，WEKA所做的是将每个属性值相加1。原因是为了避免0概率。否则，当乘以概率时，整个概率将变为0。事实上，概率为零并不能推断出任何关于该案例的新信息。此外，它既不需要进行大量的“交叉验证”迭代，也不需要进行CV性能评估
outlook Yes No
sunny (2+1)=3.0 (3+1)=4.0
overcast (4+1)=5.0 (0+1)=1.0
rainy (3+1)=4.0 (2+1)=3.0
[total] 12.0 8.0