Weka分析结果参数解释

Kappa Statistic

假设有两个相互独立的人分别将N个物品分成C个相互独立的类别,如果双方结果完全一致则K值为1,反之K值为0;

Mean Absolute Error

是N次实验绝对误差的均值.绝对误差就是预测值与实际值之差的绝对值.比如某实例的预测值就是它的正确分类标签,而实际值就是classifier指定给它的分类标签...

Root Mean Squared Error

即均方根误差,是用来衡量样本的离散程度的.也就是将N次实验中的实验值与平均值之差求和,除以实验次数,再把商开根号.

Relative Absolute Error

就是把N次实验的绝对误差求和,然后除以实际值与均值之差的求和. 此值越小实验越准确.

Root Relative Absolute Error

上面的做完再开根号...

Coverage of cases

就是classifier使用的分类规则对所有实例的覆盖情况. 越高说明该规则越有效.

Mean Rel. Region Size

这个不懂, 已经给wekalist发信问了,等回信过来更新.

Total number of instances

样本总数

你可能感兴趣的:(Data,mining,related,Weka)