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)
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)