決策樹中正確/不正確分類的實例與Weka中的混淆矩陣之間的區別

Question

我一直使用Weka的J48決策樹將RSS源中關鍵字 的頻率分類爲目標類別。我想我可能有一個問題 協調生成的決策樹與正確分類的 實例的數量和混淆矩陣。

例如，我.arff文件一個包含以下數據提取：

@attribute Keyword_1_nasa_Frequency numeric 
@attribute Keyword_2_fish_Frequency numeric 
@attribute Keyword_3_kill_Frequency numeric 
@attribute Keyword_4_show_Frequency numeric 
... 
@attribute Keyword_64_fear_Frequency numeric 
@attribute RSSFeedCategoryDescription {BFE,FCL,F,M, NCA, SNT,S} 

@data 
0,0,0,34,0,0,0,0,0,40,0,0,0,0,0,0,0,0,0,0,24,0,0,0,0,13,0,0,0,0,0,0,0,0,0,0,0,0, 
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,BFE 
0,0,0,10,0,0,0,0,0,11,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,BFE 
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,BFE 
... 
20,0,64,19,0,162,0,0,36,72,179,24,24,47,24,40,0,48,0,0,0,97,24,0,48,205,143,62,78, 
0,0,216,0,36,24,24,0,0,24,0,0,0,0,140,24,0,0,0,0,72,176,0,0,144,48,0,38,0,284, 
221,72,0,72,0,SNT 
... 
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,6,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,8,0,0,0,0,0, 
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,S 

等等：共有64個關鍵字（列）和570行，其中每一個包含的頻率是關鍵字在飼料中一天。在這種情況下，共有57個記錄供 10天共計570個記錄進行分類。每個關鍵字的前綴爲 ，並帶有替代號碼，後綴爲「頻率」。

我對決策樹的使用是使用10x驗證的默認參數。

Weka的報告如下：

Correctly Classified Instances   210    36.8421 % 
Incorrectly Classified Instances  360    63.1579 % 

用下面的混淆矩陣：

=== Confusion Matrix === 

    a b c d e f g <-- classified as 
    11 0 0 0 39 0 0 | a = BFE 
    0 0 0 0 60 0 0 | b = FCL 
    1 0 5 0 72 0 2 | c = F 
    0 0 1 0 69 0 0 | d = M 
    3 0 0 0 153 0 4 | e = NCA 
    0 0 0 0 90 10 0 | f = SNT 
    0 0 0 0 19 0 31 | g = S 

樹如下：

Keyword_22_health_Frequency <= 0 
| Keyword_7_open_Frequency <= 0 
| | Keyword_52_libya_Frequency <= 0 
| | | Keyword_21_job_Frequency <= 0 
| | | | Keyword_48_pic_Frequency <= 0 
| | | | | Keyword_63_world_Frequency <= 0 
| | | | | | Keyword_26_day_Frequency <= 0: NCA (461.0/343.0) 
| | | | | | Keyword_26_day_Frequency > 0: BFE (8.0/3.0) 
| | | | | Keyword_63_world_Frequency > 0 
| | | | | | Keyword_31_gaddafi_Frequency <= 0: S (4.0/1.0) 
| | | | | | Keyword_31_gaddafi_Frequency > 0: NCA (3.0) 
| | | | Keyword_48_pic_Frequency > 0: F (7.0) 
| | | Keyword_21_job_Frequency > 0: BFE (10.0/1.0) 
| | Keyword_52_libya_Frequency > 0: NCA (31.0) 
| Keyword_7_open_Frequency > 0 
| | Keyword_31_gaddafi_Frequency <= 0: S (32.0/1.0) 
| | Keyword_31_gaddafi_Frequency > 0: NCA (4.0) 
Keyword_22_health_Frequency > 0: SNT (10.0) 

我的問題的擔憂矩陣調和的樹或反之亦然。至於 我瞭解結果，像（461.0/343.0）這樣的評分表明461個實例已被歸類爲NCA。但是，當矩陣只顯示153時，怎麼可能呢？我是 不知道如何解釋這個，所以任何幫助是值得歡迎的。

在此先感謝。

Answer 1

每個葉子的括號中的數字應該被理解爲（該葉子上該分類的總實例數/該葉子上不正確分類的數量）。

在你的第一個NCA葉的例子中，它表示有461個被分類爲NCA的測試實例，在那些461中，有343個不正確的分類。因此，在該葉子上有461-343 = 118個正確分類的實例。

看看你的決策樹，注意NCA也在其他葉子上。在NCA的461 + 3 + 31 + 4 = 499個總分類中，我計算了118 + 3 + 31 + 4 = 156個正確分類的實例。

您的混淆矩陣顯示了NCA的39 + 60 + 72 + 69 + 153 + 90 + 19 = 502總分類中有153個正確的NCA分類。

所以樹（156/499）和你的混淆矩陣（153/502）之間存在細微的差異。

請注意，如果您從命令行運行Weka，則會輸出一棵樹和一個混淆矩陣，用於在所有培訓數據上進行測試，還可以用交叉驗證進行測試。小心你正在尋找正確的樹的正確矩陣。 Weka輸出訓練和測試結果，產生兩對矩陣和樹。你可能混淆了它們。