Weka输出结果的简单说明

=== Summary ===（总结）

Correctly Classified Instances（正确分类的实例）          45               90      %
Incorrectly Classified Instances （错误分类的实例）        5               10      %
Kappa statistic（Kappa统计量）                          　    0.792
Mean absolute error(均值绝对误差)                       　   0.1   
Root mean squared error（均方根误差）                  　0.3162
Relative absolute error（相对绝对误差）                 　  20.7954 %
Root relative squared error（相对均方根误差）             62.4666 %
Coverage of cases (0.95 level)          90      %
Mean rel. region size (0.95 level)      50      %
Total Number of Instances（实验的实例总数）               50     

=== Detailed Accuracy By Class ===

                  　　TP Rate（真阳性率） FP Rate（假阳性率） Precision（查准率）   Recall（查全率）  F-Measure  MCC（Matthews相关系数）    ROC Area  PRC Area  Class（类别）
                 　　　　0.773    　　　　　　　0        　　　　　　　　1          　　　　 0.773     　　0.872     　　　　0.81   　　　　　　　　　0.886     　0.873     true
                 　　　　　1        　　　　　  0.227    　　　　　　　0.848      　　　　　　1        　　0.918     　　　　0.81   　　　　　　　　　0.886 　    0.848     false
Weighted Avg.    　  0.9      　　　　　　0.127    　　　　　　　0.915      　　　　　 0.9    　　　0.898     　　　　0.81  　 　　　　　　　　0.886     　0.859

=== Confusion Matrix ===

  a  b   <-- classified as
 17  5 |  a = true
  0 28 |  b = false

F-Measure是查准率和查全率的调和平均数

ROC Area一般大于0.5，这个值越接近1，说明模型的诊断效果越好。这个值在0.5～0.7时有较低准确性，在0.7～0.9时有一定准确性，在0.9以上时有较高准确性。如果这个值等于0.5，说明诊断方法完全不起作用，无诊断价值，而小于0.5不符合真实情况，在实际中极少出现。