Zapisałem losowy model lasu do pliku przy użyciu Weka 3.7.9, a teraz próbuję ocenić go względem innego (bardzo dużego) zestawu (na niektórych dużych maszynach w Amazon EC2). Używam następujące polecenie:Wyjściowa macierz zamieszania w Weka z linii poleceń
> java -server -Xmx60000m -cp weka.jar weka.classifiers.Evaluation
weka.classifiers.trees.RandomForest -T test.arff -l random-forest.model
-i -no-cv
Jednak tylko wyjście mam to coś takiego:
=== Error on test data ===
Correctly Classified Instances 3252532 80.0686 %
Incorrectly Classified Instances 809651 19.9314 %
Kappa statistic 0.2884
Mean absolute error 0.2539
Root mean squared error 0.3608
Coverage of cases (0.95 level) 98.7413 %
Total Number of Instances 4062183
Podczas gdy szukam oprócz czegoś takiego:
=== Detailed Accuracy By Class ===
TP Rate FP Rate Precision Recall F-Measure MCC ROC Area PRC Area Class
0.804 0.295 0.731 0.804 0.766 0.512 0.826 0.803 buyer
0.705 0.196 0.783 0.705 0.742 0.512 0.826 0.798 non-buyer
Weighted Avg. 0.755 0.245 0.757 0.755 0.754 0.512 0.826 0.801
=== Confusion Matrix ===
a b <-- classified as
61728 15004 | a = buyer
22662 54066 | b = non-buyer
Należy pamiętać, że nawet jeśli ponownie uruchomię pełną metodę szkoleniową, to:
> java -Xmx60000m -cp weka.jar weka.classifiers.Evaluation
weka.classifiers.trees.RandomForest -t train.arff -T test.arff
-I 10 -K 0 -S 1 -num-slots 8 -d random-forest.model -i -no-cv
Nadal nie pokazuję macierzy błędów dla danych testowych (tylko dla wyszkolonych danych).
Działa dobrze dla mnie bez '-no-cv'. –
Głupi mnie! Ty, panie, zasługujesz na reputację +100 :-) Odpowiedz, aby móc to nagrodzić. –
Dzięki, zrobione :) –