बेवकूफ बेयस के परिणाम

Question

मैं वर्गीकरण (वीका) के लिए NaiveBayes/सरल वर्गीकरण का उपयोग करना शुरू करता हूं, हालांकि मुझे डेटा प्रशिक्षण करते समय समझने में कुछ समस्याएं हैं। मैं जिस डेटा सेट का उपयोग कर रहा हूं वह मौसम है। Nominal.arff।

मैं विकल्पों में से उपयोग प्रशिक्षण परीक्षण का उपयोग करते हैं, वर्गीकारक परिणाम है:

Correctly Classified Instances 13 - 92.8571 %  
Incorrectly Classified Instances 1 - 7.1429 % 

a b classified as 
9 0 a =yes 
1 4 b = no 

मेरा पहला सवाल मैं गलत वर्गीकृत उदाहरणों से क्या समझना चाहिए? ऐसी समस्या क्यों हुई? कौन सा गुण संग्रह वर्गीकृत गलत है? क्या यह समझने का कोई तरीका है?

दूसरा, जब मैं 10 गुना क्रॉस सत्यापन का प्रयास करता हूं, तो मुझे अलग-अलग (कम) सही ढंग से वर्गीकृत उदाहरण क्यों मिलते हैं?

परिणाम हैं:

Correctly Classified Instances   8    57.1429 % 
Incorrectly Classified Instances   6    42.8571 % 

a b <-- classified as 
7 2 | a = yes 
4 1 | b = no 

Answer 1

आप से इस विकल्प को चुनने से प्रत्येक उदाहरण के लिए अलग-अलग पूर्वानुमान प्राप्त कर सकते हैं:

अधिक विकल्प ...> आउटपुट भविष्यवाणियों> प्लेन

जो आपको मूल्यांकन मीट्रिक के अतिरिक्त देगा, निम्नलिखित:

=== Predictions on training set === 

inst#  actual predicted error prediction 
    1  2:no  2:no  0.704 
    2  2:no  2:no  0.847 
    3  1:yes  1:yes  0.737 
    4  1:yes  1:yes  0.554 
    5  1:yes  1:yes  0.867 
    6  2:no  1:yes + 0.737 
    7  1:yes  1:yes  0.913 
    8  2:no  2:no  0.588 
    9  1:yes  1:yes  0.786 
    10  1:yes  1:yes  0.845 
    11  1:yes  1:yes  0.568 
    12  1:yes  1:yes  0.667 
    13  1:yes  1:yes  0.925 
    14  2:no  2:no  0.652 

जो इंगित करता है कि 6 वें उदाहरण गलत वर्गीकृत किए गए थे। ध्यान दें कि भले ही आप उसी उदाहरण पर ट्रेन और परीक्षण करते हैं, डेटा में असंगतताओं के कारण गलत वर्गीकरण हो सकते हैं (सबसे सरल उदाहरण में एक ही विशेषताओं के साथ दो उदाहरण हैं लेकिन विभिन्न वर्ग लेबल के साथ)।

ध्यान रखें कि परीक्षण का उपरोक्त तरीका पूर्वाग्रह है (यह कुछ हद तक धोखा दे रहा है क्योंकि यह प्रश्नों के उत्तर देख सकता है)। इस प्रकार हम आमतौर पर अदृश्य डेटा पर मॉडल त्रुटि का एक और यथार्थवादी अनुमान प्राप्त करने में रुचि रखते हैं। Cross-validation ऐसी एक तकनीक है, जहां यह डेटा को 10 स्ट्रैटिफाइड फोल्ड में विभाजित करता है, एक गुना पर परीक्षण कर रहा है, जबकि दूसरे नौ पर प्रशिक्षण, अंततः यह दस रनों में औसत सटीकता की रिपोर्ट करता है।