转载 以LibSvm为例给出weka输出结果的简单翻译 [WEKA使用]

以LibSvm为例给出weka输出结果的简单翻译 [WEKA使用]

post by 河内塔 / 2012-1-11 15:51 Wednesday

    中午在百度上看到，一个网友提问了个问题，翻译weka执行LibSvm的输出结果，调用的数据来自weka自带的数据包中的glass.arff文件，大家都知道咱们使用的weka都是英文版的，看看确实有些地方还真不知道怎么翻译，想想已经学了半年了，总该把输出结果弄清楚吧，于是硬着头皮，一点点搜索、查资料、搜索来翻译，不过总算功夫不负有心人，花了一个多小时，终于翻译完了。下面贴出来，大家共享！
     具体的操作步骤就不多说了，如果还不会，可以参照我前面的两篇博文weka如何使用LivSvm：http://www.heneita.com/?post=14和如何用k-means进行聚类：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
下面是翻译的结果：
=== Run information ===运行信息

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：这里用的是libsvm模型，调用的是weka.classifiers.function.libsvm包
Relation（关系表，类似数据库关系表，名字和arff文件名字一样）: Glass（玻璃）
Instances（实例数，每个玻璃的一组数据表示一个实例）:    214
Attributes（属性）:   10
              RI（玻璃折射率）
              Na（钠元素）
              Mg（镁）
              Al  (铝)
              Si （硅）
              K  （钾）
              Ca  (钙)
              Ba （钡）
              Fe  （铁）
              Type （类别，人工加上的玻璃的类标）
Test mode:10-fold cross-validation 测试模式：10折叠交叉验证（用来验证模型结果的稳定性）

=== Classifier model (full training set) ===分类模型（整个数据集作为训练集）

LibSVM wrapper, original code by Yasser EL-Manzalawy (= WLSVM)（封装的livsvm源码来自一个叫EL-Manzalawy的人）

Time taken to build model: 0.02 seconds（建立模型（也叫分类器）所需的时间）:0.02秒

=== Stratified cross-validation ===分层交叉验证（这里这种验证方法没有用）
=== Summary ===结果总结

Correctly Classified Instances（正确分类的实例） 148             69.1589 %
Incorrectly Classified Instances（错误分类的实例）        66               30.8411 %
Kappa statistic（Kappa统计量）                          0.3579
Mean absolute error(均值绝对误差)                      0.0881
Root mean squared error（均方根误差）                  0.2968
Relative absolute error（相对绝对误差）                 60.7715 %
Root relative squared error（相对均方根误差）            111.5949 %
Total Number of Instances（参与实验的实例（数据）总数）              214    

=== Detailed Accuracy By Class ===分类的具体精度

TP Rate（真正元比率）   FP Rate（假正元比率）   Precision（查准率）   Recall（查全率）  F-Measure（F-测量，直说吧查询率与查全率的调和平均值）   ROC Area（ROC曲线下方的面积，表示精度）  Class（类别）
0.847     0.5        0.676     0.847     0.752      0.674    build wind float(玻璃种类)
0.5       0.153      0.727     0.5       0.593      0.674    build wind non-float(玻璃种类)
0         0          0         0         0          ? vehic wind float(玻璃种类)
0         0          0         0         0          ? vehic wind non-float(玻璃种类)
0         0          0         0         0          ? containers(玻璃种类)
0         0          0         0         0          ? tableware(玻璃种类)
0         0          0         0         0          ? headlamps(玻璃种类)
Weighted Avg（加权平均）.    0.692     0.344      0.699     0.692     0.68       0.674

=== Confusion Matrix ===（混淆矩阵）

   a   b   c   d   e   f   g   <-- classified as（下面都是玻璃的类别，开参见glass.arff文件）
 100  18   0   0   0   0   0 |   a = build wind float(玻璃种类)
  48  48   0   0   0   0   0 |   b = build wind non-float(玻璃种类)
   0   0   0   0   0   0   0 |   c = vehic wind float(玻璃种类)
   0   0   0   0   0   0   0 |   d = vehic wind non-float(玻璃种类)
   0   0   0   0   0   0   0 |   e = containers(玻璃种类)
   0   0   0   0   0   0   0 |   f = tableware(玻璃种类)
   0   0   0   0   0   0   0 |   g = headlamps(玻璃种类)