У меня есть набор данных, состоящий из двух классов (Dead / Alive).Набор разделен поровну между Dead и Alive.У меня есть набор классификаторов, каждый из которых был оптимизирован, чтобы найти набор параметров, которые дают наивысшее значение для взвешенной смеси F-показателя только для Живого и общей точности (сколько из вещей, которые он говорит, являются правильными),В целом, классификаторы делают то, что я ожидал - тот, который, как я думал, будет хуже всех, хуже, тот, который, как я думал, будет вторым хуже ..., тот, которого я хотел лучше, сделал лучше всего.Но они делают то, чего я не ожидал, и не могу их интерпретировать, а именно точность и F-меру, с которыми это связано?=== Детальная точность по классу ===
TP Rate FP Rate Precision Recall F-Measure MCC ROC Area PRC Area Class
0.000 0.000 ? 0.000 ? ? 0.549 0.239 Alive
1.000 1.000 0.790 1.000 0.883 ? 0.549 0.817 Dead
Взвешенная средняя.0,790 0,790?0,790??0,549 0,696
Такой результат достигается с помощью различных алгоритмов, таких как JRip и J48 и Наивный Байес.
У кого-нибудь есть решение?