WEKA - làm thế nào để in không đúng trường hợp được phân loại

Question

WEKA tôi ra chương trình:

Correctly Classified Instances  32083    94.0244 % 
Incorrectly Classified Instances  2039    5.9756 % 

Tôi muốn để có thể in ra những gì các trường hợp không chính xác là vì vậy tôi có thể thực hiện điều chỉnh và hiểu lý do tại sao họ đã phân loại sai.

phương thức in của tôi ở bên dưới.
Tôi đang cố gắng tìm các trường hợp có giá trị lớp được dự đoán không bằng với giá trị lớp thực tế và sau đó in các thuộc tính của nó.
nhưng khi tôi thực hiện điều này, việc liệt kê thuộc tính không in được gì.

Có ai có đề xuất về cách in ra các phiên bản được phân loại sai không?

cảm ơn nhiều.

private void printSummary(Classifier base, Evaluation eval, Instances data) throws Exception 
{ 
    // output evaluation 
    System.out.println(); 
    System.out.println("=== Setup ==="); 
    System.out.println("Classifier: " + classifierName.getClass().getName() + " " + Utils.joinOptions(base.getOptions())); 
    System.out.println("Dataset: " + data.relationName()); 
    System.out.println(); 

    // output predictions 
    System.out.println("# - actual - predicted - error - distribution - token"); 
    for (int i = 0; i < data.numInstances(); i++) 
    { 
     double pred = base.classifyInstance(data.instance(i)); 
     double actual = data.instance(i).classValue(); 
     double[] dist = base.distributionForInstance(data.instance(i)); 

     if (pred != actual) 
     { 
      System.out.print((i+1)); 
      System.out.print(" - "); 
      System.out.print(data.instance(i).toString(data.classIndex())); 
      System.out.print(" - "); 
      System.out.print(data.classAttribute().value((int) pred)); 
      System.out.print(" - "); 
      if (pred != data.instance(i).classValue()) 
       System.out.print("yes"); 
      else 
       System.out.print("no"); 
      System.out.print(" - "); 
      System.out.print(Utils.arrayToString(dist)); 
      System.out.print(" - "); 
      data.instance(i).enumerateAttributes().toString(); 
      System.out.println(); 
     } 
    } 

    System.out.println(eval.toSummaryString()); 
    System.out.println(eval.toClassDetailsString()); 
    System.out.println(eval.toMatrixString()); 
} 

Answer 1

Tôi làm điều này theo cách đó:

1. Train phân loại.
2. Đối với mỗi trường hợp tôi gọi là 'classifier.explain'
3. Nếu phân loại là không chính xác tôi lưu trữ chúng bằng khả năng không chính xác (từ lỗi tồi tệ nhất để lỗi nhất tự tin)
4. lỗi cách tự tin nhất cho tôi ý tưởng những tính năng nên được thêm vào phân loại.

Answer 2

Đây là bài đăng cũ nhưng tôi có cùng một vấn đề và giải quyết nó khác đi. Có lẽ một người như tôi sẽ cần nó.

Điều tôi đã làm là đánh giá có dự đoán phương thức trả về ArrayList của đối tượng dự đoán.

Mỗi đối tượng Dự đoán có thực tế và được dự đoán và tôi chỉ in từng trường hợp thực tế của mình không giống với giá trị được dự đoán.

Mã của tôi:

ArrayList<Prediction> predictions = evaluation.predictions(); 
for (int i = 0, trainDataSize = trainData.size(); i < trainDataSize; i++) { 
     Instance instance = trainData.get(i); 
     Prediction prediction = predictions.get(i); 

     if (prediction.actual() != prediction.predicted()) { 

      System.out.println(instance);; 

     } 

    } 

Hy vọng nó sẽ giúp một ai đó.