如何解读WEKA的J48分类器结果？分析酒店预订取消关联国家

一、解读已生成的J48分类树结果 #

J48生成的决策树以文本形式输出，核心看两点：

• 树分支与叶子节点：找到所有指向is_cancelled=yes的分支，对应的country_origin值就是和取消行为关联的国家。比如输出片段：

  country_origin=ESP
  | is_cancelled=yes (420/35)
  这里的420是该分支的总样本数，35是错误分类数，说明西班牙用户中绝大多数（约91.6%）选择了取消预订。

• 置信度与支持度：叶子节点括号里的第一个数是分支样本量（支持度），第二个是错误分类数。支持度高且错误分类少的国家，就是取消频次最高的目标。
• 额外看输出末尾的混淆矩阵：能看到整体取消/未取消的样本分布，结合树结构里的分支样本数，可对应到具体国家的取消规模。

二、更高效的直接分析方法（无需分类树） #

用J48分类属于绕路，直接用WEKA的关联规则或统计功能更精准：

方法1：Apriori关联规则 #

1. 切换到WEKA Explorer的Associate标签页
2. 选择Apriori算法，点击参数设置按钮：
   • 设置lowerBoundMinSupport为0.05（可根据数据量调整，确保覆盖足够多国家）
   • 设置metricType为confidence，minMetric为0.5（仅保留取消比例≥50%的规则）
   • 在targetItems里输入is_cancelled=yes（仅生成指向取消的规则）
3. 运行后，结果里类似country_origin=ITA => is_cancelled=yes (support: 0.15, confidence: 0.82)的规则，说明意大利用户取消占比82%，且这类样本占总数据的15%，属于高取消频次的国家。

方法2：直接统计各国家取消占比 #

1. 在Preprocess标签页，选中country_origin列
2. 点击右下角的Visualize all，在弹出窗口中选择is_cancelled作为颜色区分维度，可直观看到哪个国家的取消样本占比最大
3. 或者点击Edit按钮打开数据集编辑器，按country_origin分组，手动统计每组中is_cancelled=yes的数量和占比，结果更直接准确

内容的提问来源于stack exchange，提问作者MrJoe