machine-learning - 如何在 Weka 中计算集群评估的准确性

Question

我们如何使用 Weka 计算集群的准确性？

我可以使用这个公式：

Accuracy (A) = (tp+tn)/Total # samples

但是如何知道 Weka 工具中的实验输出中的真阳性、假阳性、真阴性和假阴性是什么？

Answer 1

Weka 中有几种不同的聚类模式：

使用训练集（默认）：聚类后，Weka 将训练实例分类到它开发的集群中，并计算每个集群中实例的百分比。例如，集群 0 中的 X% 和集群 1 中的 Y% 等。

提供的测试集：如果集群表示像 EM 算法一样是概率的，那么 Weka 可以在单独的测试数据上评估集群。

使用类进行聚类评估：在这种模式下，Weka 首先忽略类属性并生成聚类。在测试期间，它根据每个集群内类属性的多数值为集群分配类标签。最后，它计算分类误差并显示相应的混淆矩阵。

Answer 2

看看交叉验证原则。在您的 java 代码中使用ClusterEvaluation的方法 crossValidateModel 和 evaluateClusterer。或者您也可以直接使用 weka GUI 进行实验。

Answer 3

基于这个对类似问题的回答classificationViaClustering，可以通过包管理器下载的元分类器将做你想做的事。