=== Run information ===Scheme: weka

=== Run information ===Scheme: weka.classifiers.trees.J48 -C 0.25 -M 2Relation: mammographic-massesInstances: 815Attributes: 6 BI-RADS-assessment age shape margin dinsity severityTest mode: evaluate on training data=== Classifier model (full training set) ===J48 pruned tree------------------BI-RADS-assessment = 1: 0 (0.0)BI-RADS-assessment = 2: 0 (7.0)BI-RADS-assessment = 3: 0 (24.0/4.0)BI-RADS-assessment = 4| margin = 1: 0 (285.0/26.0)| margin = 2| | age 52: 1 (6.0/2.0)| margin = 3: 0 (45.0/11.0)| margin = 4| | age 69: 1 (13.0/1.0)| margin = 5: 1 (27.0/12.0)BI-RADS-assessment = 5: 1 (316.0/31.0)Number of Leaves : 11Size of the tree : 15Time taken to build model: 0.01 seconds=== Evaluation on training set ===Time taken to test model on training data: 0 seconds=== Summary ===Correctly Classified Instances 693 85.0307 %Incorrectly Classified Instances 122 14.9693 %Kappa statistic 0.6993Mean absolute error 0.2284Root mean squared error 0.3379Relative absolute error 45.7465 %Root relative squared error 67.6363 %Total Number of Instances 815 === Detailed Accuracy By Class === TP Rate FP Rate Precision Recall F-Measure MCC ROC Area PRC Area Class 0.891 0.194 0.832 0.891 0.861 0.701 0.897 0.870 0 0.806 0.109 0.873 0.806 0.838 0.701 0.897 0.857 1Weighted Avg. 0.850 0.153 0.852 0.850 0.850 0.701 0.897 0.864 === Confusion Matrix === a b

=== Run information ===Scheme: weka.classifiers.trees.J48 -C 0.25 -M 2Relation: mammographic-massesInstances: 815Attributes: 6 BI-RADS-assessment age shape margin dinsity severityTest mode: evaluate on training data=== Classifier model (full training set) ===J48 pruned tree------------------BI-RADS-assessment = 1: 0 (0.0)BI-RADS-assessment = 2: 0 (7.0)BI-RADS-assessment = 3: 0 (24.0/4.0)BI-RADS-assessment = 4| margin = 1: 0 (285.0/26.0)| margin = 2| | age  52: 1 (6.0/2.0)| margin = 3: 0 (45.0/11.0)| margin = 4| | age  69: 1 (13.0/1.0)| margin = 5: 1 (27.0/12.0)BI-RADS-assessment = 5: 1 (316.0/31.0)Number of Leaves :  11Size of the tree :  15Time taken to build model: 0.01 seconds=== Evaluation on training set ===Time taken to test model on training data: 0 seconds=== Summary ===Correctly Classified Instances 693 85.0307 %Incorrectly Classified Instances 122 14.9693 %Kappa statistic 0.6993Mean absolute error 0.2284Root mean squared error 0.3379Relative absolute error 45.7465 %Root relative squared error 67.6363 %Total Number of Instances 815 === Detailed Accuracy By Class === TP Rate FP Rate Precision Recall F-Measure MCC ROC Area PRC Area Class 0.891 0.194 0.832 0.891 0.861 0.701 0.897 0.870 0 0.806 0.109 0.873 0.806 0.838 0.701 0.897 0.857 1Weighted Avg. 0.850 0.153 0.852 0.850 0.850 0.701 0.897 0.864 === Confusion Matrix === a b

0/5000

原始語言: -

目標語言: -

結果 (繁體中文) 1: [復制]

復制成功！

===運行信息=== 方案：weka.classifiers.trees.J48 -C 0.25 -M 2 的關係：乳腺-群眾 實例：815 屬性：6 BI-RADS評估 年齡 形狀 保證金 dinsity 嚴重性 測試模式：培訓評估數據 ===分類器模型（完整的訓練集）=== J48修剪樹 ------------------ BI-RADS評估= 1：0（0.0） BI-RADS -assessment = 2：0（7.0） BI-RADS評估= 3：0（24.0 / 4.0） BI-RADS評估= 4 | 餘量= 1：0（285.0 / 26.0） | 餘量= 2 | | 52年齡：1（6.0 / 2.0） | 餘量= 3：0（45.0 / 11.0） | 餘量= 4 | | 69年齡：1（13.0 / 1.0） | 餘量= 5：1（27.0 / 12.0） BI-RADS評估= 5：1（316.0 / 31.0） 葉片的數量：11 的樹的大小：15 0.01秒：採取構建模型時間 ===評價訓練集=== 時間採取測試模型訓練數據：0秒 ===總結=== 正確分類實例693 85.0307％ 正確分類實例122 14.9693％ kappa統計0.6993 平均絕對誤差0.2284 均方根誤差0.3379 相對絕對誤差45.7465％ 根相對方誤差67.6363％ 實例815的總數 ===詳細準確按類=== TP率FP速率精密召回F-測量MCC ROC面積PRC Area類 0.891 0.194 0.832 0.891 0.861 0.701 0.897 0.870 0 0.806 0.109 0.873 0.806 0.838 0.701 0.897 0.857 1 加權平均。0.850 0.153 0.852 0.850 0.850 0.701 0.897 0.864 ===混淆矩陣=== AB

正在翻譯中..

結果 (繁體中文) 2:[復制]

復制成功！

[ 運行資訊 ] 方案：weka.分類器.樹.J48-C 0.25 -M 2 關係：乳腺品質 實例： 815 屬性： 6 BI-RADS 評估 年齡 形狀 邊緣 丁斯 嚴重性 測試模式：評估訓練資料 • 分類器模型（完整訓練集） | J48 截流樹 ------------------ BI-RADS 評估 = 1： 0 （0.0） BI-RADS 評估 = 2： 0 （7.0） BI-RADS 評估 = 3：0 （24.0/4.0） BI-RADS 評估 = 4 |邊距 = 1：0 （285.0/26.0） |邊距 = 2 | |52歲： 1 （6.0/2.0） |邊距 = 3：0 （45.0/11.0） |邊距 = 4 | |69歲： 1 （13.0/1.0） |邊距 = 5：1 （27.0/12.0） BI-RADS 評估 = 5：1 （316.0/31.0） 葉子數量： 11 樹的大小： 15 構建模型所用的時間：0.01 秒 [ 對培訓集的評估 ] 在訓練資料上測試模型所用的時間：0 秒 [ 摘要 ] 正確分類的實例 693 85.0307 % 分類錯誤實例 122 14.9693 % 卡帕統計 0.6993 平均絕對誤差 0.2284 根均方誤差 0.3379 相對絕對誤差 45.7465 % 根相對平方誤差 67.6363 % 實例總數 815 [ 詳細精度（按類別] TP 速率 FP 速率精度召回 F 測量 MCC ROC 區域 PRC 區域類 0.891 0.194 0.832 0.891 0.861 0.701 0.897 0.870 0 0.806 0.109 0.873 0.806 0.838 0.701 0.897 0.857 1 加權平均數 0.850 0.153 0.852 0.850 0.850 0.701 0.897 0.864 [ 混亂矩陣 ] a b b

正在翻譯中..

結果 (繁體中文) 3:[復制]

復制成功！

==運行資訊=== 方案：weka.classifiers.trees.J48-C 0.25-M 2 關係：乳腺腫塊 實例：815 内容：6 雙雷達評估 年齡 形狀 邊緣 虛度 嚴重程度 測試模式：培訓數據評估 ==分類器模型（全訓練集）=== J48修剪樹 ------------------ 雙雷達評估=1:0（0.0） 雙雷達評估=2:0（7.0） 雙雷達評估=3:0（24.0/4.0） 雙雷達評估=4 |邊距=1:0（285.0/26.0） |邊距=2 || 52歲：1（6.0/2.0） |邊距=3:0（45.0/11.0） |邊距=4 |年齡69:1（13.0/1.0） |邊距=5:1（27.0/12.0） 雙雷達評估=5:1（316.0/31.0） 葉數：11 樹的大小：15 建立模型所需時間：0.01秒 ==訓練集評估=== 根據訓練數據測試模型所用的時間：0秒 ==摘要=== 正確分類實例693 85.0307% 錯誤分類實例122 14.9693% Kappa統計量0.6993 平均絕對誤差0.2284 均方根誤差0.3379 相對絕對誤差45.7465% 相對平方根誤差67.6363% 實例總數815 ==按類列出的詳細精度=== TP Rate FP Rate Precision Recall F-Measure MCC ROC Area PRC Area類 0.891 0.194 0.832 0.891 0.861 0.701 0.897 0.8700 0.806 0.109 0.873 0.806 0.838 0.701 0.897 0.857 1 加權平均值0.850 0.153 0.852 0.850 0.850 0.701 0.897 0.864 ==混淆矩陣=== 甲、乙

正在翻譯中..

其它語言

本翻譯工具支援: 世界語, 中文, 丹麥文, 亞塞拜然文, 亞美尼亞文, 伊博文, 俄文, 保加利亞文, 信德文, 偵測語言, 優魯巴文, 克林貢語, 克羅埃西亞文, 冰島文, 加泰羅尼亞文, 加里西亞文, 匈牙利文, 南非柯薩文, 南非祖魯文, 卡納達文, 印尼巽他文, 印尼文, 印度古哈拉地文, 印度文, 吉爾吉斯文, 哈薩克文, 喬治亞文, 土庫曼文, 土耳其文, 塔吉克文, 塞爾維亞文, 夏威夷文, 奇切瓦文, 威爾斯文, 孟加拉文, 宿霧文, 寮文, 尼泊爾文, 巴斯克文, 布爾文, 希伯來文, 希臘文, 帕施圖文, 庫德文, 弗利然文, 德文, 意第緒文, 愛沙尼亞文, 愛爾蘭文, 拉丁文, 拉脫維亞文, 挪威文, 捷克文, 斯洛伐克文, 斯洛維尼亞文, 斯瓦希里文, 旁遮普文, 日文, 歐利亞文 (奧里雅文), 毛利文, 法文, 波士尼亞文, 波斯文, 波蘭文, 泰文, 泰盧固文, 泰米爾文, 海地克里奧文, 烏克蘭文, 烏爾都文, 烏茲別克文, 爪哇文, 瑞典文, 瑟索托文, 白俄羅斯文, 盧安達文, 盧森堡文, 科西嘉文, 立陶宛文, 索馬里文, 紹納文, 維吾爾文, 緬甸文, 繁體中文, 羅馬尼亞文, 義大利文, 芬蘭文, 苗文, 英文, 荷蘭文, 菲律賓文, 葡萄牙文, 蒙古文, 薩摩亞文, 蘇格蘭的蓋爾文, 西班牙文, 豪沙文, 越南文, 錫蘭文, 阿姆哈拉文, 阿拉伯文, 阿爾巴尼亞文, 韃靼文, 韓文, 馬來文, 馬其頓文, 馬拉加斯文, 馬拉地文, 馬拉雅拉姆文, 馬耳他文, 高棉文, 等語言的翻譯.