我在使用Weka进行分类，使用的是LibSVM分类器，关于评估模型的输出结果，我希望得到一些帮助。

在下面的例子中，我的test.arff文件包含1000个实例，我希望知道每个实例被分类为“是”或“否”的概率（这是一个简单的两类问题）。

例如，对于实例1，如果它被分类为“是”，那么它被分类为“是”的概率是多少，这是我想要知道的。

以下是我目前使用的代码片段：

            // 读取并加载训练ARFF文件         ArffLoader trainArffLoader = new ArffLoader();        trainArffLoader.setFile(new File("train_clusters.arff"));        Instances train = trainArffLoader.getDataSet();        train.setClassIndex(train.numAttributes() - 1);        System.out.println("已加载训练文件");        // 读取并加载测试ARFF文件         ArffLoader testArffLoader = new ArffLoader();        testArffLoader.setFile(new File("test_clusters.arff"));        Instances test = testArffLoader.getDataSet();        test.setClassIndex(test.numAttributes() - 1);        System.out.println("已加载测试文件");        LibSVM libsvm = new LibSVM();        libsvm.buildClassifier(train);        // 评估        Evaluation evaluation = new Evaluation(train);        evaluation.evaluateModel(libsvm, test);        System.out.println(evaluation.toSummaryString("\n打印结果\n=====================\n", true));        System.out.println(evaluation.toClassDetailsString());

回答：

你应该使用libsvm.distributionForInstance方法。它会返回每个类别索引的概率估计（在你的情况下是2个类别）。

例如，要打印测试集中每个实例的所有估计值，可以使用如下代码：

    for (Instance instance : test) {        double[] distribution = libsvm.distributionForInstance(instance);        for (int classIndex : classIndices) {            System.out.print(distribution[classIndex] + " ");        }        System.out.println();    }

请注意，这不是真正的概率，而是通过Platt方法进行的估计（参见问题）。