解释 Weka 朴素贝叶斯输出
Interpret Weka naive Bayes output
您好，我需要了解以下朴素贝叶斯结果的输出。有人可以用图中的一个小例子向我解释一下吗
每个 class 中的 150 个实例中有 50 个，因此在 class 名称下显示 (.33)，即 one-third.
平均值：这是每个 class 的平均值。例如，Iris-setosa 的平均萼片长度为 4.9913，Iris-versicolor 的平均萼片长度为 5.9379。
标准。 dev.: Iris-setosa内sepallength的标准差为0.355。
权重总和：这是 class 中的案例数（每个 50 个），因为在您的分析中每个实例的权重为 1，并且每个 [=25= 中有 50 个实例].
precision：这个有点神秘。根据 http://weka.8497.n7.nabble.com/naive-bayes-output-interpretation-td28658.html ，“精度是最小值
所讨论属性允许的标准偏差。它是由
在计算平均值的朴素贝叶斯中实现的启发式算法
属性的相邻值之间的差异。”
您好，我需要了解以下朴素贝叶斯结果的输出。有人可以用图中的一个小例子向我解释一下吗
每个 class 中的 150 个实例中有 50 个，因此在 class 名称下显示 (.33)，即 one-third.
平均值：这是每个 class 的平均值。例如，Iris-setosa 的平均萼片长度为 4.9913，Iris-versicolor 的平均萼片长度为 5.9379。
标准。 dev.: Iris-setosa内sepallength的标准差为0.355。
权重总和：这是 class 中的案例数（每个 50 个），因为在您的分析中每个实例的权重为 1，并且每个 [=25= 中有 50 个实例].
precision：这个有点神秘。根据 http://weka.8497.n7.nabble.com/naive-bayes-output-interpretation-td28658.html ，“精度是最小值 所讨论属性允许的标准偏差。它是由 在计算平均值的朴素贝叶斯中实现的启发式算法 属性的相邻值之间的差异。”