Javaでwekaを使用します.手動で分類器の評価を生成して出力します.

本を読む人が少ないです.翻訳が下手ですから、殴らないでください.
記事の住所:http://weka.wikispaces.com/Generating+classifrier+evalution+output+manaualy
コマンドラインでカテゴリを実行する場合、以下のコードセグメントは、weka出力生成器の生成方法を説明します.はい、あります Evaaluationクラスでの参照 weka.classifers.Everaluation.この文章は概要としてだけで,細部を知る参考が必要だ. Evaaluationクラスのドキュメントです.
モデル
クラス分け器が出力モデルをサポートするなら、トレーニングの後にtoString()方法を使用することができる.

Instances data = ... // from somewhere
 Classifier cls = new weka.classifiers.trees.J48();
 cls.buildClassifier(data);
 System.out.println(cls);

注意:wekaは常に完全訓練セット(提供-t属性)出力モデルに基づいており、クロス検証が使用されるかどうか、または指定されたテストセット(via-T)であっても、クロスクロスクロス検証によって生成された10個のモデルは出力されたことがない.これらのモデルを出力したいなら、自分でクロスクロス検証をしなければなりません.
  Generanting cross-validation folds(Java approach) 和
  Displaying result of cross-validation folds)
統計
統計は評価のまとめとも言える.toSummaryString()法により生成できます.以下はJ 48クロス検証の結果をまとめた例です.

Classifier cls = new J48();
 Evaluation eval = new Evaluation(data);
 Random rand = new Random(1);  // using seed = 1
 int folds = 10;
 eval.crossValidateModel(cls, data, folds, rand);
 System.out.println(eval.toSummaryString());

詳細統計
toClass Details String()方法を使用して、各クラスに対して詳細な統計を作成することができます.次に、J 48クロス検証の列を再度使用します.

Classifier cls = new J48();
 Evaluation eval = new Evaluation(data);
 Random rand = new Random(1);  // using seed = 1
 int folds = 10;
 eval.crossValidateModel(cls, data, folds, rand);
 System.out.println(eval.toClassDetailsString());

混淆行列
混淆行列は使用です. Evaaluation クラスの簡単なtoMatrixString() または toMatrixString方法で出力します.次に、データセットに基づくJ 48クロス検証を用いて、標準的な混淆行列を出力する.

 Classifier cls = new J48();
 Evaluation eval = new Evaluation(data);
 Random rand = new Random(1);  // using seed = 1
 int folds = 10;
 eval.crossValidateModel(cls, data, folds, rand);
 System.out.println(eval.toMatrixString());