如何通过Weka Experiment API获取各分类的混淆矩阵

你当前使用的实验示例代码默认仅配置了TP率、FP率这类聚合指标输出，没有开启混淆矩阵的统计与输出，按以下步骤调整即可拿到类别间的分类对应关系：

• 配置混淆矩阵统计项
  在代码中初始化评估指标列表的位置（也就是你原有代码添加TP、FP率测量项的地方），导入weka.classifiers.evaluation.ConfusionMatrix类，将混淆矩阵加入测量项列表：

  // 原有代码添加其他指标的位置补充这行
  measurements.add(new ConfusionMatrix());
  

• 提取并解析混淆矩阵
  遍历实验结果拿到Evaluation类实例后，直接调用实例方法就能拿到原始混淆矩阵结构，配合数据集的类属性即可输出可读的类别对应关系：

  // 获取混淆矩阵：行对应真实类别，列对应预测类别
  double[][] confusionMat = evaluation.confusionMatrix();
  Attribute classAttribute = dataset.classAttribute();
  
  // 打印可读的混淆矩阵
  System.out.printf("%-20s", "真实\\预测");
  for (int col = 0; col < classAttribute.numValues(); col++) {
      System.out.printf("%-15s", classAttribute.value(col));
  }
  System.out.println();
  for (int row = 0; row < confusionMat.length; row++) {
      System.out.printf("%-20s", classAttribute.value(row));
      for (int col = 0; col < confusionMat[row].length; col++) {
          System.out.printf("%-15d", (int)confusionMat[row][col]);
      }
      System.out.println();
  }
  

• 多折/多轮实验的结果处理
  如果你跑的是交叉验证、多次随机划分这类多轮实验，单轮返回的混淆矩阵仅对应当前划分的结果，需要把每轮矩阵同位置的数值累加，才能得到整体的混淆矩阵，不要直接取单轮结果作为全量实验的统计值。

如果你是用Experiment类的批量任务模式跑实验，不需要手动遍历Evaluation对象，可以直接给结果生产者配置outputConfusionMatrix=true的属性，实验跑完后直接从结果表的对应字段读取混淆矩阵内容即可。

内容的提问来源于stack exchange，提问作者dododabird