轉載 以LibSvm爲例給出weka輸出結果的簡單翻譯 [WEKA使用]

以LibSvm爲例給出weka輸出結果的簡單翻譯 [WEKA使用]

post by 河內塔 / 2012-1-11 15:51 Wednesday

    中午在百度上看到,一個網友提問了個問題,翻譯weka執行LibSvm的輸出結果,調用的數據來自weka自帶的數據包中的glass.arff文件,大家都知道咱們使用的weka都是英文版的,看看確實有些地方還真不知道怎麼翻譯,想想已經學了半年了,總該把輸出結果弄清楚吧,於是硬着頭皮,一點點搜索、查資料、搜索來翻譯,不過總算功夫不負有心人,花了一個多小時,終於翻譯完了。下面貼出來,大家共享!
     具體的操作步驟就不多說了,如果還不會,可以參照我前面的兩篇博文weka如何使用LivSvm:http://www.heneita.com/?post=14和如何用k-means進行聚類:http://www.heneita.com/?post=10

       原文:
     === Run information ===
 

Scheme:weka.classifiers.functions.LibSVM -S 0 -K 2 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.0010 -P 0.1
Relation: Glass
Instances:214
Attributes:10
              RI
              Na
              Mg
              Al
              Si
              K
              Ca
              Ba
              Fe
              Type
Test mode:10-fold cross-validation

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

LibSVM wrapper, original code by Yasser EL-Manzalawy (= WLSVM)

Time taken to build model: 0.05seconds

=== Stratified cross-validation ===
=== Summary ===

Correctly Classified Instances         147               68.6916 %
Incorrectly Classified Instances        67               31.3084 %
Kappa statistic                          0.5555
Mean absolute error                      0.0895
Root mean squared error                  0.2991
Relative absolute error                 42.2426 %
Root relative squared error             92.1555 %
Total Number of Instances              214    

=== Detailed Accuracy By Class ===

TP Rate   FP Rate   Precision   Recall  F-Measure   ROC Area  Class
0.814     0.215      0.648     0.814     0.722      0.8      build wind float
0.737     0.21       0.659     0.737     0.696      0.763    build wind non-float
0         0          0         0         0          0.5      vehic wind float
0         0          0         0         0          ?        vehic wind non-float
0.692     0.015      0.75      0.692     0.72       0.839    containers
0.222     0.01       0.5       0.222     0.308      0.606    tableware
0.793     0.011      0.92      0.793     0.852      0.891    headlamps
Weighted Avg.    0.687     0.148      0.637     0.687     0.655      0.77

=== Confusion Matrix ===

  a  b  c  d  e  f  g   <-- classified as
 57 13  0  0  0  0  0 |  a = build wind float
 17 56  0  0  2  1  0 |  b = build wind non-float
 12  5  0  0  0  0  0 |  c = vehic wind float
  0  0  0  0  0  0  0 |  d = vehic wind non-float
  0  3  0  0  9  0  1 |  e = containers
  1  4  0  0  1  2  1 |  f = tableware
  1  4  0  0  0  1 23 |  g = headlamps
下面是翻譯的結果:
=== Run information ===運行信息

Scheme(模型):weka.classifiers.functions.LibSVM -S 0 -K 2 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.0010 -P 0.1 注:這裏用的是libsvm模型,調用的是weka.classifiers.function.libsvm包
Relation(關係表,類似數據庫關係表,名字和arff文件名字一樣): Glass(玻璃)
Instances(實例數,每個玻璃的一組數據表示一個實例):    214
Attributes(屬性):   10
              RI(玻璃折射率)
              Na(鈉元素)
              Mg(鎂)
              Al  (鋁)
              Si (硅)
              K  (鉀)
              Ca  (鈣)
              Ba (鋇)
              Fe  (鐵)
              Type (類別,人工加上的玻璃的類標)
Test mode:10-fold cross-validation 測試模式:10摺疊交叉驗證(用來驗證模型結果的穩定性)

=== Classifier model (full training set) ===分類模型(整個數據集作爲訓練集)

LibSVM wrapper, original code by Yasser EL-Manzalawy (= WLSVM)(封裝的livsvm源碼來自一個叫EL-Manzalawy的人)

Time taken to build model: 0.02 seconds(建立模型(也叫分類器)所需的時間):0.02秒

=== Stratified cross-validation ===分層交叉驗證(這裏這種驗證方法沒有用)
=== Summary ===結果總結

Correctly Classified Instances(正確分類的實例) 148             69.1589 %
Incorrectly Classified Instances(錯誤分類的實例)        66               30.8411 %
Kappa statistic(Kappa統計量)                          0.3579
Mean absolute error(均值絕對誤差)                      0.0881
Root mean squared error(均方根誤差)                  0.2968
Relative absolute error(相對絕對誤差)                 60.7715 %
Root relative squared error(相對均方根誤差)            111.5949 %
Total Number of Instances(參與實驗的實例(數據)總數)              214    

=== Detailed Accuracy By Class ===分類的具體精度

TP Rate(真正元比率)   FP Rate(假正元比率)   Precision(查準率)   Recall(查全率)  F-Measure(F-測量,直說吧查詢率與查全率的調和平均值)   ROC Area(ROC曲線下方的面積,表示精度)  Class(類別)
0.847     0.5        0.676     0.847     0.752      0.674    build wind float(玻璃種類)
0.5       0.153      0.727     0.5       0.593      0.674    build wind non-float(玻璃種類)
0         0          0         0         0          ? vehic wind float(玻璃種類)
0         0          0         0         0          ? vehic wind non-float(玻璃種類)
0         0          0         0         0          ? containers(玻璃種類)
0         0          0         0         0          ? tableware(玻璃種類)
0         0          0         0         0          ? headlamps(玻璃種類)
Weighted Avg(加權平均).    0.692     0.344      0.699     0.692     0.68       0.674

=== Confusion Matrix ===(混淆矩陣)

   a   b   c   d   e   f   g   <-- classified as(下面都是玻璃的類別,開參見glass.arff文件)
 100  18   0   0   0   0   0 |   a = build wind float(玻璃種類)
  48  48   0   0   0   0   0 |   b = build wind non-float(玻璃種類)
   0   0   0   0   0   0   0 |   c = vehic wind float(玻璃種類)
   0   0   0   0   0   0   0 |   d = vehic wind non-float(玻璃種類)
   0   0   0   0   0   0   0 |   e = containers(玻璃種類)
   0   0   0   0   0   0   0 |   f = tableware(玻璃種類)
   0   0   0   0   0   0   0 |   g = headlamps(玻璃種類)
 
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章