Classes to clusters evaluation. In

Classes to clusters evaluation. In this mode Weka first ignores the class attribute and generates the clustering. Then during the test phase it assigns classes to the clusters, based on the majority value of the class attribute within each cluster. Then it computes the classification error, based on this assignment and also shows the corresponding confusion matrix. An example of this for k-means is shown below.

ผลลัพธ์ (ไทย) 1:

เรียนกับกลุ่มทดลอง ในโหมดนี้ Weka แรกละเว้นแอตทริบิวต์คลา และสร้างการคลัสเตอร์ จากนั้น ระหว่างขั้นตอนการทดสอบ จะกำหนดชั้นให้ clusters ค่าส่วนใหญ่ของแอตทริบิวต์คลาภายในแต่ละคลัสเตอร์ จากนั้นก็คำนวณข้อผิดพลาดในการจัดหมวดหมู่ ตามกำหนดนี้ และยัง แสดงเมตริกซ์ความสับสนที่สอดคล้องกัน ตัวอย่างนี้สำหรับ k-ด้านล่าง

ผลลัพธ์ (ไทย) 2:

การเรียนการสอนการประเมินผลกลุ่ม ในโหมดนี้ Weka แรกละเว้นแอตทริบิวต์ระดับและสร้างการจัดกลุ่ม จากนั้นในช่วงขั้นตอนการทดสอบที่กำหนดในการเรียนกลุ่มขึ้นอยู่กับค่าส่วนใหญ่ของแอตทริบิวต์ระดับภายในแต่ละกลุ่ม จากนั้นก็จะคำนวณข้อผิดพลาดการจัดหมวดหมู่ตามที่ได้รับมอบหมายนี้และยังแสดงให้เห็นความสับสนเมทริกซ์ที่สอดคล้องกัน ตัวอย่างนี้สำหรับ k หมายถึงแสดงอยู่ด้านล่าง