我想在对一些测试实例进行分类时获取一些信息。我使用了带有SMO选项的多类分类模型来预测类别。我在这里找到了一些代码，但这些代码只显示了一些基本信息（ID、起始类别和预测类别）。这确实很不错，但我还想要更多。

这是代码：

double classLabel = cModel.classifyInstance(testInstances.instance(i));System.out.print("ID: " + testInstances.instance(i).value(0));System.out.print(", actual: " + testInstances.classAttribute().value((int) testInstances.instance(i).classValue()));System.out.println(", predicted: " + testInstances.classAttribute().value((int) classLabel));labeled.instance(i).setClassValue(classLabel);

这是控制台输出的一个示例（一切正常，分类效果很好）：

ID: 10.840449559881472, actual: class_1, predicted: class_12

我想在输出中添加一个概率值，显示预测类别的概率值在0到1之间（例如0.80…）。我该如何实现这一点？

我尝试过这样做：double[] p = cModel.individualPredictions(testInstances.instance(i));但返回的数字我实在无法理解。

输出的一个示例：

7.664525149317826E-177

编辑：

好的。现在我使用了distributionForInstance方法，它确实返回了一些实际的数字（之前使用时返回了一些奇怪的数字），但有些案例的预测值非常低，尽管它们被正确分类了。可能需要向我的分类器添加更多样本，但至少现在它能给出结果了。

这块代码显示了结果（供将来参考）：

double[] p = cModel.distributionForInstance(testInstances.instance(i));

一些正确分类的未知样本的预测示例：

0.6801721826680843 — 示例1 类别12

0.9834993119977282 — 示例2 类别14

0.20165539938974703 — 示例3 类别1

0.9947991411834111 — 示例4 类别9

0.9809472418105786 — 示例5 类别3

我可能会坚持使用这个解决方案，因为这是我目前找到的最合理的一个。

再次感谢。

回答：

因此，我将在这里回答自己的问题，因为我想帮助SO关闭它并继续前进。

classifyInstance()方法将实例分类到一个类别中，但没有提供我所需的数据。

我尝试了double[] p = cModel.individualPredictions(testInstances.instance(i));和double[] p = cModel.distributionForInstance(testInstances.instance(i));，这两者都返回了结果。

我坚持使用cModel.distributionForInstance(testInstances.instance(i));方法，因为我需要手动从结果中排除一些类别。从MultiClassClassifier中忽略不需要的分布是目前唯一可能的解决方案。这暂时解决了我的类别过滤问题，这些类别与我期望的判定相距甚远。

相关帖子在这里：WEKA – 在多类分类器中过滤类别

再次感谢。