我需要找到训练误差或误差(D)和测试误差或误差(s)。

假设上，要找到误差(s)，我们使用公式：错误分类的实例/总实例数；然后要找到误差(D)，我们使用误差(s)±置信区间(sqrt(误差(s)(1-误差(s)/n))))，其中n=总实例数

现在我如何找到错误分类的实例？这是否与使用Weka的Evaluation类的evaluate model方法找到的错误分类实例相同？请告诉我

代码:

import weka.classifiers.evaluation.Evaluation;import weka.classifiers.trees.J48;import weka.classifiers.trees.j48.ClassifierTree;import weka.core.Instances;import weka.core.converters.ConverterUtils.DataSource;@SuppressWarnings("unused")public class J48Tree {public static void main(String[] args) throws Exception {           //load dataset     DataSource trainsource = new DataSource(".//training data.arff");     DataSource testsource = new DataSource(".//test data.arff");     Instances dataset=trainsource.getDataSet();     Instances datatestset=testsource.getDataSet();          //set class index to the last attribute     dataset.setClassIndex(dataset.numAttributes()-1);     datatestset.setClassIndex(dataset.numAttributes()-1);               //create classifier     J48 tree = new J48();     //using an unpruned J48      tree.setUnpruned(true);     //build the classifier     tree.buildClassifier(dataset);          // evaluate classifier and print some statistics     Evaluation eval = new Evaluation(dataset);     eval.evaluateModel(tree, datatestset);     System.out.println(eval.toSummaryString("\nResults\n======\n", true));          }    }

输出:

结果

正确分类的实例         540               22.2772 %错误分类的实例      1884               77.7228 %Kappa统计量                          0.0644K&B相对信息得分              78375.7967 %K&B信息得分                 1912.8906 bits      0.7891     bits/实例类复杂度 | 顺序0            7268.6047 bits      2.9986 bits/实例类复杂度 | 方案           725668.4216 bits    299.3682 bits/实例 复杂度改善     (Sf)    -718399.8169 bits   -296.3696 bits/实例平均绝对误差                      0.2186均方根误差                  0.3897相对绝对误差                 91.6895 %根相对平方误差            109.0212 %总实例数             2424     

回答：

如果你怀疑“错误分类”和“错误分类”是相同的，那么使用源代码。

查看Weka的源代码（幸运的是它是开源的）是了解它确切在做什么的唯一方法。即使我告诉你“是的，它是”，这可能在一个版本中是正确的，但在另一个版本中是错误的。所以，请使用你版本的源代码作为权威资源。