我是数据挖掘和 Weka 的新手。我使用 GUI 在 Weka 中用 J48 构建了一个分类器。当 Weka 完成运行时，它会说：
Correctly Classified Instances 1035 - 68.543 %
Incorrectly Classified Instances 475 - 31.457 %
从我自己的代码（使用 IKVM.NET 的 C#）运行时，我使用相同的未标记数据集重新评估我的模型，将预测类的结果保存到 ARFF 文件中并计算从 1500 条记录中获得的结果.
大约有 1300 条记录被正确分类，200 条没有正确分类，这给出了（我认为）86% 的精确度测量值。
这是正确的吗？那为什么结果会不一样呢？
【问题讨论】：
标签： machine-learning classification weka precision j48
我认为您令人困惑的“准确度”和“精确度”，they are not the same thing。
在公式中：
准确度 = (TP + TN) / (TP + TN + FP + FN) = #correct / #all_instances
精度 = TP / (TP + FP) = #correct_positive / #classified_as_positive
如果您的意思是两种情况下的准确度（1300/1500 的准确度约为 86%），那么如果不查看您的代码和 GUI 的日志，就无法判断发生了什么，这可能是这里太多了。
最有可能的解释是您的代码所做的事情与您在 GUI 中所做的事情不同。可能是不同的随机化、不同的分割、不同的学习参数等等。
【讨论】：
Weka 给你的结果只是对正确和错误分类记录数量的衡量，即
这不与测量精度相同。精度是衡量有多少正确分类的相关实例，即
这是一个高度具体的指标，与 召回率 和 准确度 等其他指标相比，它的观察效果最好。这可能不是衡量模型总体性能的最佳方法。
有关 Precision 和 Recall 的更多信息，请参阅：http://en.wikipedia.org/wiki/Precision_and_recall
不过，您的数字没有多大意义。但是，如果不知道更多细节，就不能说更多了。
【讨论】：