代码之家 › 专栏 › 技术社区 › tkja

斯坦福分类器交叉验证平均或聚合度量

stanford-nlp weka nlp

tkja · 技术社区 · 9 年前

具有 Stanford Classifier 可以通过设置属性文件中的选项来使用交叉验证,例如10倍交叉验证:

crossValidationFolds=10
printCrossValidationDecisions=true
shuffleTrainingData=true
shuffleSeed=1

运行此命令将按倍数输出各种指标,例如精度、召回率、精确度/微平均F1和宏平均F1。

是否有一个选项可以获得所有10个精度/微平均F1或所有10个宏平均F1的平均或聚合分数作为输出的一部分?

在Weka中,默认情况下,10倍交叉验证后的输出包括所有折叠的平均度量。斯坦福分类器中也有这样的选项吗?有一个最终的准确度、召回率或F1分数可用,并像在Weka中一样针对它优化参数是非常有用的,我想用斯坦福分类器来实现这一点。怎样

1 回复 | 直到 9 年前

StanfordNLPHelp 9 年前

当我以10倍的速度运行时,我看到了输出。运行此命令时:

java -cp "*" edu.stanford.nlp.classify.ColumnDataClassifier -prop examples/cheese2007.prop -crossValidationFolds 10

我在输出中看到了这一点(在###折叠9之后)

[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - 181 examples in test set
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Cls 2: TP=109 FN=6 FP=7 TN=59; Acc 0.928 P 0.940 R 0.948 F1 0.944
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Cls 1: TP=59 FN=7 FP=6 TN=109; Acc 0.928 P 0.908 R 0.894 F1 0.901
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Accuracy/micro-averaged F1: 0.92818
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Macro-averaged F1: 0.92224 
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Average accuracy/micro-averaged F1: 0.93429
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Average macro-averaged F1: 0.92247

推荐文章

Ian Siñel · WEKA中的神经网络

7 年前

HAMZA ELRHAZI · 如何在Java中使用Weka API将字符串属性转换为标称属性

7 年前

Syahnur Nizam · 使用Weka作为引擎的基于PHP的网站

7 年前

Ricardo Cruz · 删除标称属性=值的实例(Weka GUI)

7 年前

Siwoku Adeola · 用于(moa PairedLearners)的示例代码

7 年前

Luiz · 无法使用Weka连接到MySQL

7 年前

Claire · Matlab中的J48决策树,使用Weka作为API

7 年前

user3394131 · Graphviz和Weka只生成空树

7 年前

CCCodes · 如何在Weka中使用MFCC进行音频分类?

7 年前

weidler · 不同变量集的配对T检验

8 年前