WEKA 加权平均问号答案

【问题标题】：WEKA Weighted Average Question MarkWEKA 加权平均问号
【发布时间】：2020-08-26 18:11:48
【问题描述】：

根据下面 WEKA 的输出，一些加权平均。有值，但另一个有问号。对于 TP 率，加权平均。即使STM_TA 和UM_KRTN 行有两个问号，也会计算。但是，它没有针对 Precision、F-Measure 和 MCC 进行计算。

=== Detailed Accuracy By Class ===

                 TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class
                 0.714    0.000    1.000      0.714    0.833      0.845    1.000     1.000     MEA0072
                 0.818    0.001    0.818      0.818    0.818      0.817    0.999     0.913     MEA0095
                 0.885    0.001    0.958      0.885    0.920      0.920    1.000     0.983     MEA1061
                 1.000    0.001    0.981      1.000    0.990      0.990    1.000     0.999     MEA2087
                 0.846    0.001    0.846      0.846    0.846      0.845    1.000     0.965     MEA2098
                 0.938    0.001    0.938      0.938    0.938      0.937    1.000     0.968     MEA2099
                 0.971    0.001    0.943      0.971    0.957      0.956    0.999     0.973     MEB0079
                 0.917    0.000    1.000      0.917    0.957      0.957    1.000     1.000     MEE0075
                 1.000    0.001    0.967      1.000    0.983      0.983    1.000     1.000     MFT0001
                 0.930    0.001    0.976      0.930    0.952      0.952    0.999     0.967     MFT0002
                 1.000    0.000    1.000      1.000    1.000      1.000    1.000     1.000     MFT0003
                 1.000    0.000    1.000      1.000    1.000      1.000    1.000     1.000     MFT1001
                 0.944    0.002    0.850      0.944    0.895      0.895    1.000     0.986     MFT1002
                 1.000    0.000    1.000      1.000    1.000      1.000    1.000     1.000     MFT1003
                 1.000    0.001    0.975      1.000    0.987      0.987    1.000     0.999     MFT2001
                 1.000    0.000    1.000      1.000    1.000      1.000    1.000     1.000     MRA1002
                 1.000    0.000    1.000      1.000    1.000      1.000    1.000     1.000     MRA2125
                 1.000    0.001    0.984      1.000    0.992      0.992    1.000     1.000     MRA2127
                 ?        0.000    ?          ?        ?          ?        ?         ?         STM_TA
                 0.786    0.051    0.793      0.786    0.790      0.737    0.948     0.818     STM_TL
                 0.547    0.106    0.553      0.547    0.550      0.443    0.848     0.588     STM_TT
                 0.000    0.000    ?          0.000    ?          ?        0.894     0.064     STM_X
                 0.547    0.008    0.806      0.547    0.652      0.649    0.978     0.762     UM_KK
                 0.864    0.082    0.787      0.864    0.824      0.760    0.941     0.815     UM_KRK
                 ?        0.000    ?          ?        ?          ?        ?         ?         UM_KRTN
Weighted Avg.    0.797    0.053    ?          0.797    ?          ?        0.943     0.816     

=== Confusion Matrix ===

   a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   <-- classified as
   5   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0 |   a = MEA0072
   0   9   0   0   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   b = MEA0095
   0   0  23   0   0   0   0   0   0   0   0   0   3   0   0   0   0   0   0   0   0   0   0   0   0 |   c = MEA1061
   0   0   0  51   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   d = MEA2087
   0   2   0   0  11   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   e = MEA2098
   0   0   0   0   1  15   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   f = MEA2099
   0   0   0   0   0   0  33   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   g = MEB0079
   0   0   0   0   0   0   0  11   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0 |   h = MEE0075
   0   0   0   0   0   0   0   0  29   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   i = MFT0001
   0   0   0   1   0   0   2   0   0  40   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   j = MFT0002
   0   0   0   0   0   0   0   0   0   0  23   0   0   0   0   0   0   0   0   0   0   0   0   0   0 |   k = MFT0003
   0   0   0   0   0   0   0   0   0   0   0  45   0   0   0   0   0   0   0   0   0   0   0   0   0 |   l = MFT1001
   0   0   1   0   0   0   0   0   0   0   0   0  17   0   0   0   0   0   0   0   0   0   0   0   0 |   m = MFT1002
   0   0   0   0   0   0   0   0   0   0   0   0   0  16   0   0   0   0   0   0   0   0   0   0   0 |   n = MFT1003
   0   0   0   0   0   0   0   0   0   0   0   0   0   0  39   0   0   0   0   0   0   0   0   0   0 |   o = MFT2001
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0  55   0   0   0   0   0   0   0   0   0 |   p = MRA1002
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0  58   0   0   0   0   0   0   0   0 |   q = MRA2125
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0  61   0   0   0   0   0   0   0 |   r = MRA2127
   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 = STM_TA
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 302  70   0   2  10   0 |   t = STM_TL
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0  51 204   0  12 106   0 |   u = STM_TT
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   7   0   0   1   0 |   v = STM_X
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   3  45   0  58   0   0 |   w = UM_KK
   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0  25  43   0   0 433   0 |   x = UM_KRK
   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 |   y = UM_KRTN

我在互联网上进行了搜索，但加权平均的问号没有答案。我希望有人能帮我解释为什么其中一些是计算出来的而不是其他的？

谢谢

【问题讨论】：

标签： weka

【解决方案1】：

“？”由于分母为零，因此在 Weka 中使用而不是 NaN（不是数字）。例如。在您的情况下，类 STM_X 的精度是“？”，没有分配给该类的实例，因此分母为零。此外，STM_TA 和 UM_KRTN 根本没有样本。

什么时候？符号出现在输出中，特定类可能没有足够的样本，或者没有样本可以分配给该类。在您的情况下，两个类根本没有样本，因此为所有指标提供“？”。在本案例中，TP、FP、Recall、ROC 和 PRC 的加权平均值具有价值，尽管其列中有“？”。请注意，STM_TA 和 UM_KRTN 类对于除 FP 之外的所有指标都有“？”（因为根本没有样本，所以没有误报），因此列中的“？”可以只是 0，并且可以计算加权平均值。但是，对于 STM_X，有 8 个样本，但没有一个样本可以正确分配到类别，因此无法计算 NaN 或“？”和加权平均值。

【讨论】：

【解决方案2】：

? （未确定的）值正在传播。请注意，在上面的行中，您有一些值也是 ?。请注意，您有一些没有实例被分类的类。

【讨论】：

谢谢。但是，为什么？仅在几个指标上。如果我们看到，TP Rate 具有加权值，即使它有一些高于它的值？也是，但 Precision 没有。