3.8 Analyzing resultsWhen running t

3.8 Analyzing results
When running tests in WEKA, classifier output is generated [13]. Several values
and parameters are observable, below are the nine outputs analyzed in this report:
CCI - CCI stands for Correctly Classified Instances and is the foremost parameter
in which data has been compared in this report. CCI represents the percentage
of patients that have been correctly diagnosed, both with and without heart disease.
Kappa - Kappa measures the agreement of prediction with the true class. It
calculates the di!erence between the prediction with the observed agreement with
that expected by chance. The kappa statistic value is a value between 0-1. A value
greater than 0 means that the classifier is better than chance.
TP Average - Average of all patients who have been correctly diagnosed.
FP Average - Average of all patients who have been incorrectly diagnosed.
TP Healthy - True positive. The patient has been correctly diagnosed as
healthy (not having heart disease).
FP Healthy - False positive. The patient has been falsely diagnosed as
healthy (actually has heart disease).
TP Heart disease - True positive. The patient has been correctly diagnosed
with heart disease.
FP Heart disease - False positive. The patient has been falsely diagnosed
with heart disease (is actually healthy).
ROC Area - ROC Area is the area under the ROC curve. ROC curve shows
how well a classifier is at distinguishing between positive and negative instances.
ROC area can be used to evaluate the quality of the classifier and its ability to
separate positive and negative instances. ROC Area can be a value between 0.5
and 1, 1 being an optimal classifier and 0.5 being comparable with chance.

ผลลัพธ์ (ไทย) 1:

ผล Analyzing 3.8เมื่อทำงานทดสอบใน WEKA ลักษณนามออกถูกสร้างขึ้น [13] ค่าหลายค่าและพารามิเตอร์เบส ด้านล่างเป็น 9 ผลวิเคราะห์ในรายงานนี้:CCI - CCI ยืนสำหรับอินสแตนซ์ที่จัดได้อย่างถูกต้อง และพารามิเตอร์ที่สำคัญที่สุดซึ่งข้อมูลได้รับเมื่อเทียบในรายงานนี้ CCI แสดงเปอร์เซ็นต์ผู้ป่วยที่มีการวินิจฉัยอย่างถูกต้อง ทั้งมี และไม่ มีโรคหัวใจกัปปะ - กัปปะวัดข้อตกลงของการคาดเดาในห้องจริง มันคำนวณการ di ! erence ระหว่างคาดเดากับข้อตกลงการสังเกตด้วยที่คาดโดยบังเอิญ ค่าสถิติของกัปปะเป็นค่าระหว่าง 0-1 ค่ายิ่งกว่า 0 หมายความ ว่า ลักษณนาม ได้ดีกว่าโอกาสTP เฉลี่ย - ค่าเฉลี่ยของผู้ป่วยทั้งหมดที่ได้รับการวินิจฉัยอย่างถูกต้องFP ค่าเฉลี่ย - ค่าเฉลี่ยของผู้ป่วยทั้งหมดที่ได้รับการวินิจฉัยไม่ถูกต้องTP Healthy - เป็นบวกจริง ผู้ป่วยที่ได้รับการวินิจฉัยอย่างถูกต้องเป็นสุขภาพดี (ไม่มีโรคหัวใจ)FP Healthy - บวก ผู้ป่วยที่ได้รับการวินิจฉัยอย่างผิด ๆ เป็นสุขภาพ (มีโรคหัวใจ)โรคหัวใจ TP - เป็นบวกจริง ผู้ป่วยได้รับการวินิจฉัยอย่างถูกต้องกับโรคหัวใจโรคหัวใจ FP - บวก ผู้ป่วยได้รับการวินิจฉัยอย่างผิด ๆกับโรคหัวใจ (มีสุขภาพดีจริง)ตั้ง ROC - ตั้ง ROC เป็นพื้นที่ใต้โค้ง ROC แสดงเส้นโค้ง ROCวิธีที่ดีการจำแนกแตกต่างระหว่างอินสแตนซ์ที่เป็นค่าบวก และค่าลบตั้ง ROC ใช้ประเมินคุณภาพของการจำแนกและความสามารถในการแยกอินสแตนซ์ที่เป็นค่าบวก และค่าลบ ตั้ง ROC ได้ค่าระหว่าง 0.5และ 1, 1 เป็นการจำแนกที่เหมาะสมและ 0.5 ถูกเปรียบเทียบกับโอกาส

ผลลัพธ์ (ไทย) 2:

3.8 การวิเคราะห์ผล
เมื่อใช้การทดสอบใน WEKA เอาท์พุทลักษณนามถูกสร้างขึ้น [13] หลายค่า
และพารามิเตอร์สังเกตด้านล่างนี้มีผลที่เก้าวิเคราะห์ในรายงานนี้:
CCI - CCI ย่อมาจากอินสแตนซ์จำแนกได้อย่างถูกต้องและเป็นพารามิเตอร์ที่สำคัญที่สุด
ในการที่ข้อมูลที่ได้รับเมื่อเทียบในรายงานฉบับนี้ CCI หมายถึงร้อยละ
ของผู้ป่วยที่ได้รับการวินิจฉัยอย่างถูกต้องทั้งที่มีและไม่มีโรคหัวใจ.
Kappa - คัปปาขนาดข้อตกลงของการทำนายกับระดับที่แท้จริง มัน
คำนวณดิ! erence ระหว่างการทำนายที่มีข้อตกลงกับข้อสังเกต
ที่คาดว่าโดยบังเอิญ ค่า Kappa สถิติเป็นค่าระหว่าง 0-1 ค่า
มากกว่า 0 หมายความว่าลักษณนามเป็นโอกาสที่ดีกว่า.
TP เฉลี่ย - เฉลี่ยของผู้ป่วยทุกคนที่ได้รับการวินิจฉัยอย่างถูกต้อง.
FP เฉลี่ย -. เฉลี่ยของผู้ป่วยทุกคนที่ได้รับการวินิจฉัยว่าไม่ถูกต้อง
TP สุขภาพ - ทรูในเชิงบวก ผู้ป่วยได้รับการวินิจฉัยอย่างถูกต้องตาม
ที่มีสุขภาพดี (ไม่ได้มีโรคหัวใจ).
FP สุขภาพ - บวกปลอม ผู้ป่วยได้รับการวินิจฉัยว่าเป็น
มีสุขภาพดี (ที่จริงมีโรคหัวใจ).
โรคหัวใจ TP - ทรูในเชิงบวก ผู้ป่วยได้รับการวินิจฉัยอย่างถูกต้อง
ที่มีโรคหัวใจ.
โรคหัวใจ FP - บวกปลอม ผู้ป่วยได้รับการวินิจฉัยเท็จ
ที่มีโรคหัวใจ (จะมีสุขภาพดีจริง).
ROC พื้นที่ - ROC Area คือพื้นที่ใต้เส้นโค้งร็อค โค้ง ROC แสดงให้เห็นถึง
วิธีการที่ดีลักษณนามที่แตกต่างระหว่างอินสแตนซ์บวกและลบ.
พื้นที่ ROC สามารถนำมาใช้ในการประเมินคุณภาพของการจําแนกและความสามารถในการ
แยกอินสแตนซ์บวกและลบ ROC พื้นที่สามารถเป็นค่าระหว่าง 0.5
และ 1, 1 เป็นจําแนกที่ดีที่สุดและเป็น 0.5 เทียบเคียงได้กับโอกาส

ผลลัพธ์ (ไทย) 3:

3.8 การวิเคราะห์ผลลัพธ์เมื่อทำการทดสอบใน Weka จนได้ผลผลิตที่สร้างขึ้น [ 13 ] ค่าหลายและพารามิเตอร์จะสังเกต ด้านล่างเป็นเก้าผลผลิตการวิเคราะห์ในรายงานนี้ :CCI - CCI หมายถึงจำแนกถูกต้องอินสแตนซ์และพารามิเตอร์ชั้นดีซึ่งข้อมูลที่ได้รับการเปรียบเทียบในรายงานฉบับนี้ CCI เป็นร้อยละของผู้ป่วยที่ได้รับการวินิจฉัยอย่างถูกต้อง ทั้งมีและไม่มีโรคหัวใจแคปปา - มาตรการ Kappa ข้อตกลงของการพยากรณ์ในชั้นเรียนจริง มันคำนวณดิ ! erence ระหว่างการทำนายจาก ข้อตกลงกับที่คาดไว้โดยบังเอิญ ความสอดคล้องสถิติค่าเป็นค่าระหว่าง 0-1 . ค่ามากกว่า 0 หมายความว่าตัวที่ดีกว่าโอกาสโดยเฉลี่ยของผู้ป่วยทั้งหมดที่ได้รับการวินิจฉัยอย่างถูกต้องโดยเฉลี่ยของผู้ป่วยทั้งหมด ราชดำริ ที่ได้รับการวินิจฉัยไม่ถูกต้องTP มีสุขภาพดีจริงบวก ผู้ป่วยได้รับการวินิจฉัยอย่างถูกต้องสุขภาพ ( ไม่มีหัวใจ )FP มีสุขภาพดี - บวกเท็จ ผู้ป่วยได้รับการวินิจฉัยว่าเป็นความเท็จสุขภาพ ( จริง ๆแล้ว จะเป็นโรคหัวใจ )TP โรคหัวใจ - จริงบวก ผู้ป่วยได้รับการวินิจฉัยอย่างถูกต้องกับโรคหัวใจFP โรคหัวใจ - บวกเท็จ ผู้ป่วยได้รับการวินิจฉัยว่าเป็นความเท็จที่เป็นโรคหัวใจ ( เป็นจริงเพื่อสุขภาพ )พื้นที่ - พื้นที่คือ พื้นที่ใต้ ROC ROC : โค้ง โค้ง ROC แสดงว่าลักษณนามที่แตกต่างระหว่างอินสแตนซ์เชิงบวกและเชิงลบพื้นที่ : สามารถใช้ประเมินคุณภาพของแบบ และความสามารถของมันแยกทางบวกและทางลบ กรณี พื้นที่ : มีค่าระหว่าง 0และ 1 , 1 เป็นแบบที่เหมาะสมและ 0.5 ถูกเปรียบกับโอกาส