鉴于weka数据分类和聚类剖析实验报告
鉴于weka数据分类和聚类剖析实验报告
鉴于weka数据分类和聚类剖析实验报告
基于weka的数据分类分析实验报告
实验基本内容
本实eka数据分类和聚类剖析实验报告
鉴于weka数据分类和聚类剖析实验报告
这个矩阵是说,原来是“Y”的实例,有14个被正确的预测为“Y”,有3个错误的预测成了“N”。原
本是“NO”的实例有0个被正确的预测成为“Y”,有9个正确的预测成了“N”。“14+3+0+9=26”是实例的
总数,而(14+9)/26=。这个矩阵对角线上的数字越大,说
明预测得越好。
(2)K最近邻分类算法
用“Explorer”翻开数据“”,然后切换到“Classify”。点击“Choose”,选择算法
“lazy-IBk”,再在“Testoptions”选择“Cross-validation(Flods=10)”,点击“Start”,开始
运行。
训练结果:
系统默认lazy-IBkK最近邻分类算法中KNN=1,获得如下结果
===Summary===
%
%
%
%
TotalNumberofInstances26
鉴于weka数据分类和聚类剖析实验报告
鉴于weka数据分类和聚类剖析实验报告
鉴于weka数据分类和聚类剖析实验报告
===DetailedAccuracyByClass===
TPRateFPRatePrecisionRecallF-MeasureROCAreaClass
N
Y
WeightedAvg.
===ConfusionMatrix===
ab<--classifiedas
3|a=N
36|b=Y
使用不同的参数正确率比较:
KNN
1
2
3
4
Correctly
20
19
23
20
Classified
(%)
(%)
(%)
(%)
Instances
由上表,可知KNN为3时,正确率最高。
根据测试数集,利用正确率最高的模型获得的结果:
剖析说明:
在用l
基于weka数据分类和聚类分析实验报告 来自淘豆网www.taodocs.com转载请标明出处.