False Отрицательные (FN) на выходе предсказания weka

Question

Я работаю над weka GUI для классификации. Ниже приведен небольшой вариант вывода прогноза классификатора SVM. Может ли кто-нибудь помочь мне, почему он показывает ТОЛЬКО False Positives (FP)? Как вы можете видеть, во всех экземплярах есть знак +. Есть ли способ показать False Negatives (FP), чтобы у нас были какие-то знаки -?

inst#  actual predicted error prediction 
     1 1:normal 1:normal  1 
     2 1:normal 1:normal  1 
     3 2:anomaly 1:normal + 1 
     4 2:anomaly 2:anomaly  1 
     5 1:normal 1:normal  1 
     6 2:anomaly 1:normal + 1 
     7 2:anomaly 2:anomaly  1 
     8 1:normal 1:normal  1 
     9 2:anomaly 2:anomaly  1 
     10 2:anomaly 1:normal + 1 
     11 2:anomaly 2:anomaly  1 
     12 2:anomaly 2:anomaly  1 
     13 2:anomaly 1:normal + 1 
     14 2:anomaly 2:anomaly  1 
     15 1:normal 2:anomaly + 1 
     16 1:normal 1:normal  1 
     17 2:anomaly 1:normal + 1 
     18 1:normal 1:normal  1 

Резюме

=== Подробное Точность класса ===

   TP Rate FP Rate Precision Recall F-Measure MCC  ROC Area PRC Area Class 
      0.936 0.134 0.890  0.936 0.912  0.807 0.967  0.964  normal 
      0.866 0.064 0.922  0.866 0.893  0.807 0.965  0.949  anomaly 

Взвешенный Средн. 0,904 0,101 0,905 0,904 0,904 0,807 0,966 0,957

=== Confusion Matrix === 

    a  b <-- classified as 
63060 4283 |  a = normal 
    7832 50798 |  b = anomaly 

Answer 1

Ложных Негативы включены в выходной

 TP Rate FP Rate Precision Recall F-Measure MCC  ROC Area PRC Area Class 
     0.936 0.134 0.890  0.936 0.912  0.807 0.967  0.964  normal 
     0.866 0.064 0.922  0.866 0.893  0.807 0.965  0.949  anomaly 

Ложные Положительный класса являются аномально Ложноотрицательным классом нормального.

Это как положительный/отрицательный не определено. Если определить аномалии, как положительные, то

TP: 0.936/FP 0.134/FN 0.064/TN 0.866 

Однако, если определить нормальной как положительный

TN: 0.936/FN 0.134/FP 0.064/TP 0.866