Empiezo a usar clasificador NaiveBayes/Simple para la clasificación (Weka), sin embargo, tengo algunos problemas para entender mientras entreno los datos. El conjunto de datos que estoy usando es weather.nominal.arff.interpretando los resultados Naive Bayes
Mientras que yo uso el uso de pruebas de formación de las opciones, el resultado es clasificador:
Correctly Classified Instances 13 - 92.8571 %
Incorrectly Classified Instances 1 - 7.1429 %
a b classified as
9 0 a =yes
1 4 b = no
Mi primera pregunta ¿qué debo entender a partir de los casos de anuncios incorrectos? ¿Por qué ocurrió tal problema? ¿Qué colección de atributos se clasifica como incorrecta? hay alguna manera de entender esto?
En segundo lugar, cuando intento la validación cruzada de 10 veces, ¿por qué obtengo instancias diferentes (menos) correctamente clasificadas?
Los resultados son los siguientes:
Correctly Classified Instances 8 57.1429 %
Incorrectly Classified Instances 6 42.8571 %
a b <-- classified as
7 2 | a = yes
4 1 | b = no
gracias por la respuesta clara y weka tip + 1. el punto confuso es parcial, ¿qué quieres decir? ¿Debo usar siempre la validación cruzada para todos mis diferentes algoritmos de clasificación? – berkay
piénsalo, quieres aprender una red Naive Bayes que modele tus datos, y luego quieres probar su precisión de predicción. Si entrena el modelo y lo prueba en el mismo conjunto de instancias, entonces está sobreestimando su precisión (ha visto que esos ejemplos particulares funcionan bien con ellos), pero probablemente tendrá menos éxito con los datos nuevos. El punto clave aquí es ** generalización **: queremos generalizar más allá de las instancias que se han proporcionado en el "tiempo de capacitación" a nuevos ejemplos no vistos. – Amro
Amro gracias por respuestas claras. Estoy publicando aquí para hacer una pregunta sobre el recuerdo y la precisión de los resultados de la validación cruzada. recall (7/(2 + 7)) = 0778 y la precisión es (1/(1 + 4)) = 0.2, sin embargo weka dice para precisión = 0.636? alguna idea sobre esto? – berkay