저는 기계 학습의 개념에 익숙하지 않으며이 문제를 파악하려고합니다. 나는 이것을 위해 WEKA를 사용하고있다. 저는 4 개의 클러스터를 가지고 있습니다. Naive Bayes에 제공하는 교육 데이터 세트에는 반 (전체 플롯의 중심을 가로 지르는) 클러스터가 같은 클래스에있는 2 개의 클래스가 있습니다. 이 모델의 정확도는 50 %가 아니지만 클래스를 반대쪽에서 동일한면으로 변경하면 정확도가 100 %가됩니다. 이게 왜 그렇게? 데이터의 스냅 샷을로드하여나이브 베이 분류기가 긍정적 인 부정적인 클래스에 대한 정확도가 낮습니다
0
A
답변
0
시작 데이터를 이해하는 WEKA합니다. Naive Bayes가 솔루션에 적합한 알고리즘인지 결정합니다.
+0
OP가 [Weka] (http://www.cs.waikato.ac.nz/ml/weka/)를 사용하고 있음을 어떻게 알 수 있습니까? ? 당신이 사용하고있는이 마법은 무엇입니까 ... – FunctionR
1
Naive Bay는이 문제에 대한 솔루션을 나타낼 수 없습니다.
순진한 베이는 둘 이상의 양식이 있지만 그 중 아무 문제도 처리 할 수 없습니다. 각각 해결할 수있는 해결책은 다소 다릅니다.
"클래스를 반대쪽에서 같은쪽으로 변경"할 때 솔루션에 대한 속성이 무엇이고 해당 솔루션을 나타내는 데 필요한 것이 무엇인지 물어보십시오.
관련 문제
- 1. 신경 회로망 정확도가 낮습니다
- 2. SVM + matlab 및 libsvm의 정확도가 매우 낮습니다
- 3. 긍정적 인 것과 부정적인 것을 모두 테스트해야합니까?
- 4. 안드로이드 가속도계 정확도가 매우 낮습니다
- 5. Pybrain - 신경망 정확도가 매우 낮습니다.
- 6. 파이썬 NLTK 나이브 베이 즈 내가 NLTK 책을 사용하고
- 7. Matlab : 옵티 마이저/솔버의 정확도가 낮습니다
- 8. Android에서 계산으로 열을 선택할 때 정확도가 낮습니다.
- 9. 긍정적 인 음수 출력
- 10. NLP : 양적 "긍정적"대 "부정적인"문장
- 11. 다중 클래스 기본 베이
- 12. 긍정적 인 긁기
- 13. 베이 즈 네트워크 분류
- 14. Regex 긍정적 인 선견문
- 15. 긍정적 인 피드백
- 16. SelectFromModel을 sklearn에서 사용하여 클래스에 긍정적 인 정보를 제공하는 방법
- 17. 나이브 방법
- 18. 위치. 배경에서 위치를 가져올 때 수평 정확도가 너무 낮습니다.
- 19. 화면 가장자리 근처에 놓으면 ccmenuitem의 터치 정확도가 낮습니다.
- 20. 자바 정규식 긍정적 인 선견문
- 21. Regex 긍정적 인 lookbehind 비애
- 22. 경비원 덜 : 긍정적 인 백분율
- 23. RegEx - 긍정적 인 Lookbehind 문제
- 24. linesearch의 긍정적 인 방향 미분류
- 25. 긍정적 인 계산 // 네거티브 합
- 26. 또는에 긍정적 인 결과가 있습니까?
- 27. DialogPreference의 긍정적 인 버튼을 얻으십시오
- 28. 긍정적 인 해결책으로 문제가 생기기
- 29. 다른 탭의 긍정적 인 평균
- 30. 공백에 대한 부정적인 Lookahead
이 포럼이 유용 할 것입니다. http://stats.stackexchange.com/ – Leo