Adaboost weka 真阳性与假阳性识别问题

Question

我在 Weka 实验环境中使用默认设置的 Adaboost M1 算法：

1. 运行 (1-10) -> 运行 10 次以提供更具统计意义的结果
2. 随机拆分结果生成器
3. 我使用训练百分比来区分训练和评估数据

现在，问题在于加权平均 TP 和 FP 结果。 我明白了：

TP：0.8
FP：0.47

但据我所知，如果TP率为0.8，FP率应该高达0.2？ 我假设这与 10 次运行有关，但无论如何，如果从这次运行中获取平均值，那么这个 FP 率应该会低得多？

抱歉，这个问题太简单了，但从我的逻辑来看，这似乎是 Weka 工具包中的错误，还是我错了？谢谢

编辑：

为了避免提出新问题并且因为这与同一个问题有关，任何人都可以回答 Weka 中显示的加权平均值是什么？

我在下面包含了 Atilla 的示例：可以看出加权平均值不是平均值，例如AVG(0.933,0.422) != 0.77 等

有人可以回答这些值实际上是什么吗？

=== 按类别划分的详细准确度 ===

         TP Rate  FP Rate  Precision  Recall  F-Measure  MCC    ROC Area  PRC Area  Class
         0.933    0.578    0.776      0.933   0.847      0.429  0.844     0.917     tested_negative
         0.422    0.067    0.745      0.422   0.538      0.429  0.844     0.696     tested_positive

加权平均。 0.77 0.416 0.766 0.77 0.749 0.429 0.844 0.847

Answer 1

我在 weka 的糖尿病数据集上使用默认参数运行 adoboostM1。我得到了以下结果。

=== Detailed Accuracy By Class ===

             TP Rate  FP Rate  Precision  Recall  F-Measure  MCC    ROC Area  PRC Area  Class
             0.933    0.578    0.776      0.933   0.847      0.429  0.844     0.917     tested_negative
             0.422    0.067    0.745      0.422   0.538      0.429  0.844     0.696     tested_positive
Weighted Avg.    0.77     0.416    0.766      0.77    0.749      0.429  0.844     0.847

请注意，此 TP 率和 FP 率适用于您的每个班级值。由于我在该数据集中有 两 (2) 个类特征值，因此我有 两 (2) 行。

还要注意：

0.933  + 0.067 = 1 
0.578 + 0.422 = 1 

正如您正确指出的那样，TP 率 + FP 率应该等于一 (1)。所以在你的例子中：我假设你有以下类变量：

target {A,B}

TP Rate FP Rate 
0.8      0.47   ..... for A
0.53     0.2    ..... for B