интерпретация наивных байесовских результатов

я начинаю использовать классификатор NaiveBayes / Simple для классификации (Weka), однако у меня есть некоторые проблемы, которые нужно понять при обучении данных. Набор данных, который я использую, - weather.nominal.arff.

В то время как я использую использовать тест обучения из опций, результат классификатора таков:

Correctly Classified Instances 13  -  92.8571 %    
Incorrectly Classified Instances 1 - 7.1429 %   

a b classified as  
9 0  a =yes
1 4  b = no

Мой первый вопрос, что я должен понять из неверных классифицированных случаев? Почему возникла такая проблема? какая коллекция атрибутов классифицирована неверно? есть ли способ понять это?

Во-вторых, Когда я пробую 10-кратную перекрестную проверку, почему я получаю разные (менее) правильно классифицированные экземпляры?

Результаты:

Correctly Classified Instances           8               57.1429 %
Incorrectly Classified Instances         6               42.8571 %

 a b   <-- classified as
 7 2 | a = yes
 4 1 | b = no