Weka 预测分布中的类值排序错误

Question

我添加了我的数据集的类属性，如下所示（训练集和测试集相同）：

ArrayList<String> nomValues = new ArrayList<>();
nomValues.add("1");
nomValues.add("0");
datasetBinary_train.insertAttributeAt(new Attribute("class", nomValues), datasetBinary_train.numAttributes());

所以我假设值 1 位于位置 0，值 0 位于位置 1。

因此，我假设我使用NominalPrediction.distribution() 获得的double[] 在位置 0 处具有类“1”的类概率。

检查分类结果似乎反之亦然。

一个预测看起来像这样。

标称：1.0 0.0 1.0 0.6081479321383793 0.3918520678616207

其中 1 是实际类别，0 是预测类别（然后是权重，然后是分布）。我认为观察到标签“0”的概率更高，这意味着标记为“0”的实例的概率显示在索引 0 处

评估标题显示

@attribute (...)

@attribute 类 {1,0}

所以直到那里它有正确的顺序。

谁能告诉我属性值在评估中是如何排序的？如何保证选对了？

Answer 1

您将标签与标签索引混淆（Weka 在内部使用基于 0 的索引来表示标签）：

NOM: <actual label index> <predicted label index> <weight> <distribution>

实际标签索引为1.0（“0”），预测索引为0.0（“1”），权重为1.0，分布为“0.61 0.39”。根据分布，预测第一个标签（0.0 或“1”）。