computer-vision - Weka - 探索者和实验者结果之间的差异

标签 computer-vision classification weka

我只是想知道为什么正确分类的百分比与 Weka 的探索者和实验者方面不同。我已检查以确保使用 10 交叉折叠验证以及所有其他参数!

大家有什么想法吗?

谢谢

最佳答案

当我在 Weka 邮件列表上向 Mark Hall 发送电子邮件时,我已经找到了解决方案。这是 Explorer 和 Experimenter 之间的区别:

实验者的操作方式与探索者不同。探索者号 将交叉验证的评估指标相加 - 例如 正确百分比是通过将所有正确分类的数据相加来计算的 测试折叠上的实例,然后除以总数 实例。另一方面,实验者计算平均值 褶皱。此外,实验器中的默认设置是运行 10 重复 10 倍交叉验证(因此对 100 倍进行平均)。

关于computer-vision - Weka - 探索者和实验者结果之间的差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12495877/

相关文章:

c++ - 使用 Grabcut 在中心初始化等于图像大小 50% 的矩形

machine-learning - Tensorflow 计算图像中的对象数

python-3.x - 适用于 Python 的逻辑回归和 KNN 等模型的输入格式

machine-learning - Vowpal Wabbit 多类线性分类

python - 带权重的 Scikit-Learn 分类和回归

machine-learning - Weka分类: wrong+correct < total instances,怎么来的?

neural-network - 使用卷积神经网络检测四边形/矩形的想法

matlab - 从 3d 点创建深度图

使用 Weka 的 Evaluation.areaUnderROC 时出现 Java NullPointerException

java - 在 WEKA 中运行交叉验证之前是否需要应用过滤器