machine-learning - 如何解释weka中的朴素贝叶斯结果？

Closed. This question is off-topic。它当前不接受答案。
                            
                        
                    
                
                            
                                
                
                        
                            
                        
                    
                        
                            想改善这个问题吗？ Update the question，因此它是on-topic，用于堆栈溢出。
                        
                        2年前关闭。
                                                                                            
                
        
任何人都可以帮助我解释一下在weka中生成的以下结果，以便使用朴素贝叶斯进行分类。

请清楚说明是什么


正态分布
意思
标准开发
重量总和
精确。


请帮我。我是新手。

**
    朴素贝叶斯分类器

普通班：先验概率= 0.5

1374195_at：正态分布。平均值= 218.06标准差= 6.0572权重和= 3精度= 36.34333334
1373315_at：正态分布。平均值= 1142.58标准差= 21.1589权重和= 3精度= 126.95333339999999

最佳答案

正态分布是经典的高斯分布。平均值和标准偏差是正态/高斯分布的属性。查看有关此的基本统计信息。

重量总和。该值是针对数值计算的。它的值等于类分布。对于虹膜数据集，共有3个类别（50,50,50），所有这些类别的值均为50。对于天气数据集，它为9 5.与类实例号相同。属性值会根据类分布影响结果。

精度：TP /（TP + FP）正确的肯定预测的百分比。

更多资源 ：
Classifier Evaluation

关于machine-learning - 如何解释weka中的朴素贝叶斯结果？ ，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/2904380/