选择后，点击start。

观察到产生了正确率为 99% 的结果。
这种方式使用得较少，得到的结果 误导性 很强。
因为这种方法中，训练集和测试集相同。

选择后，点击set并选中测试集 segment-test.arff ，点击start。

观察到产生了正确率为 96.1728%的 结果。

当Folds为10时，会将数据集随机分为10份。
假设分别为：S1、S2、S3、S4…S10。
将S1 _{S9作为训练集创建模型M1，用S10作为测试集来评价模型的效果，并得到错误率F1；将S1} S8及S10作为训练集创建模型M2，用S9作为测试集来评价模型的效果，并得到错误率F2；将S1 _S7及S9 S10作为训练集创建模型M2，用S8作为测试集来评价模型的效果，并得到错误率F3…
如此循环共10次，得到10个错误率。最终将10份数据放在一起构建一个模型，错误率为10个错误率的平均值。

将Folds设置为10，并点击“Start”。

观察到产生了正确率为 95.7333%的 结果。

再将Folds设置为 100 ，并点击“Start”。

观察到产生了正确率为 96.8%的 结果。正确率得到了提升。
此方法的准确性会比前几种高，但当数据量很大时，计算速度会较慢。

选择后，输入百分比（默认为66%），点击Start。
此方法将训练集分为两部分，一部分做数据训练，一部分做数据测试。
输入的百分比为做数据训练的部分。


观察到产生了正确率为 95.098%的 的结果。