使用Weka分类未得到精确率、F度量、MCC结果的相关问题咨询

问题1：结果中的?代表什么含义？ #

?是Weka对含缺失值样本的标记，这些样本要么是特征字段存在空缺，要么是分类标签缺失，没有被纳入正常的正负类分类统计流程，会单独统计在结果的?分类项下。

问题2：为什么结果中没有True Positive（真阳性）、False Positive（假阳性）的对应数值？ #

你没有开启混淆矩阵输出的配置项。只需要在Weka分类器界面的「More options」设置中，勾选「Output confusion matrix」选项后重新运行任务，就能得到TP、FP、TN、FN的完整统计数值。
另外如果数据集中缺失值样本占比过高，也可能导致Weka默认跳过部分混淆矩阵的统计输出，你可以先检查数据集的缺失值占比，必要时提前做缺失值清洗。

问题3：这是否意味着即使应用了SMOTE，数据集仍然偏向No类别？ #

是的，从你给出的分类结果来看，模型的预测结果确实明显偏向No类别，这是比较常见的情况，和你只对训练集做SMOTE的操作逻辑有关：测试集保留了原始的不平衡分布，No类样本本身占比更高，模型在测试时自然会输出更多No类的预测结果。
如果要改善这个问题，可以尝试调整SMOTE的采样倍率，提升少数类（也就是Yes类）的生成比例，或者配合使用成本敏感学习，给Yes类的分类错误设置更高的惩罚权重。

内容的提问来源于stack exchange，提问作者Encipher