WEKA “Detailed Accuracy By Class”和“Confusion Matrix”含义

在使用 WEKA 进行分类任务时，通常会得到两种评估结果：详细精度（Detailed Accuracy By Class）和混淆矩阵（Confusion Matrix）。

详细精度指的是每个类别的分类准确率，即模型对每个类别的分类结果的正确率。这个评估结果可以帮助我们了解模型在不同类别上的表现，从而更好地优化模型。例如，我们可以发现模型对某个类别的分类效果很差，就可以尝试改进模型或者增加该类别的训练数据。

混淆矩阵则是一种更为详细的评估结果，它展示了模型在不同类别之间的分类情况。混淆矩阵的行表示真实类别，列表示预测类别，矩阵中的每个元素表示模型将一个真实类别预测为一个预测类别的样本数。比如，矩阵中的第一行第二列表示模型将属于第一类的样本预测成了第二类。通过分析混淆矩阵，我们可以了解模型在不同类别上的分类情况，从而更好地了解模型的优缺点，进一步优化模型。