我在使用探索器功能进行分类。我的.arff数据文件包含10个数值和二进制值的特征；（只有实例的ID是名义型的）。我大约有16个实例。预测的类别是“是/否”。我使用了朴素贝叶斯分类器，但无法解释结果，有人知道如何解释朴素贝叶斯分类的结果吗？

回答：

朴素贝叶斯不会选择任何重要的特征。正如你提到的，朴素贝叶斯分类器训练的结果是每个特征的均值和方差。将新样本分类为“是”或“否”取决于样本特征值是否最匹配训练特征的均值和方差，无论是“是”还是“否”。

你可以使用其他算法来找出最有信息量的属性。在这种情况下，你可能想使用决策树分类器，例如Weka中的J48（这是C4.5决策树算法的开源实现）。结果决策树中的第一个节点会告诉你哪个特征具有最强的预测能力。

更好的方法是（正如另一篇文章中@人名所述）；Weka的探索器提供了专门的选项来查找数据集中最有用的属性。这些选项可以在选择属性标签下找到。