zimosangtian的专栏

Linux下启动weka出现Error, not in CLASSPATH?解决方案[日期：2013-03-06]来源：Linux社区  作者：斌斌[字体：大 中 小]这里说说Linux下weka的安装及出现的主要问题。 首先，下载weka的稳定版本weka-3-6-8.zip（下载见 http://pan.baidu.com

学习weka 的过程中遇到文件不能保存的问题，无论是arff还是xml等文件都不能保存在weka 的默认存储路径中。可以选择把arff等文件保存在Desktop或者tmp文件夹中，之后可以保存并顺利调用。

参考文章如下。http://nudtgk2000.iteye.com/blog/2070604最开始的启发，使用weka3-7之后自带的tools目录下的package manager找到libSVM，左键选中，单击install安装。安装完成后在explorer-classify-classifier-functions中会出现libSVM。默认安装weka3-8不会自带libS

原文出自：http://blog.csdn.net/wangran51/article/details/7579100最近一直在做相关推荐方面的研究与应用工作，召回率与准确率这两个概念偶尔会遇到，知道意思，但是有时候要很清晰地向同学介绍则有点转不过弯来。召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。召回率：Recall，又称“查全率”

一个完美的分类模型是，将实际上是good的实例预测成good，将bad的实例预测称bad。对于实际应用中的分类模型，可能预测错误实例类型，因此我们需要知道到底预测对了多少实例，预测错了多少实例。混淆矩阵就是将这些信息放在一个表中，便于直观的观测和分析。      在分类问题中，预测的情形存在如下四种：1. good—》good： true positive类型， 设数目为a；

ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近