Machine learning 韦卡分类

我试图在一个有32个属性的数据集上对分类机器学习算法进行数据建模，最后一列是目标类。我将属性数从32个细化为6个，我觉得这对我的分类模型更有用

我尝试执行J48和一些增量分类算法。 我期望的输出结构包括混淆矩阵、更正的LT和分类错误的实例、kappa值

但我的结果并没有给出正确和错误分类实例的任何信息。此外，它也没有预测混淆矩阵和Kappa值。我收到的所有信息如下：

==摘要===

相关系数0.9482

平均绝对误差0.2106

均方根误差0.5673

相对绝对误差13.4077%

相对平方根误差31.9157%

实例总数1461

---

谁能告诉我为什么我没有得到混淆矩阵、kappa和正确、不正确的实例信息。

不幸的是，您没有编写代码，或者您应用的是什么版本的weka。 顺便说一句，要计算混淆mtx、kappa等，您可以使用

评估

类的方法

例如，训练模型后：

classifier.buildClassifier(train); \\train is an instances

Evaluation eval = new Evaluation(train);
//evaulate your model at 10 fold cross validation manner
eval.crossValidateModel(classifier, train, 10, new Random(1));

System.out.println(classifier);

//print different stats with 
System.out.println(eval.toSummaryString());
System.out.println(eval.toMatrixString());
System.out.println(eval.toClassDetailsString());

---

不幸的是，您没有编写代码，或者您应用的weka版本是什么。 顺便说一句，要计算混淆mtx、kappa等，您可以使用

评估

类的方法

例如，训练模型后：

classifier.buildClassifier(train); \\train is an instances

Evaluation eval = new Evaluation(train);
//evaulate your model at 10 fold cross validation manner
eval.crossValidateModel(classifier, train, 10, new Random(1));

System.out.println(classifier);

//print different stats with 
System.out.println(eval.toSummaryString());
System.out.println(eval.toMatrixString());
System.out.println(eval.toClassDetailsString());

---

这是回归分类器的输出这是回归分类器的输出