时间戳

首页 > 解决方案 > 在测试和训练数据集上使用朴素贝叶斯函数

r - 在测试和训练数据集上使用朴素贝叶斯函数

问题描述

我正在尝试在训练和测试数据集上使用 NaiveBayes 函数。我正在使用这个有用的网站：https ://rpubs.com/riazakhan94/naive_bayes_classifier_e1071

但是，由于某种原因它不起作用，这是我得到的错误：“表中的错误（train$Class，trainPred）：所有参数必须具有相同的长度。”

这是我正在使用的代码，我猜它是一个超级简单的修复。数据集的 x 和 y 列在类列上进行预测：

https://github.com/samuelc12359/NaiveBayes.git


test <- read.csv(file="TestX.csv",header=FALSE)
train <- read.csv(file="TrainX.csv",header=FALSE)

Names <- c("x","y","Class")
colnames(test)<- Names
colnames(train)<- Names

NBclassfier=naiveBayes(Class~x+y, data=train)
print(NBclassfier)


trainPred=predict(NBclassfier,train, type="class")
trainTable=table(train$Class, trainPred)
testPred=predict(NBclassfier, newdata=test, type="class")
testTable=table(test$Class, testPred)
print(trainTable)
print(testTable)

标签： rnaivebayes

解决方案

您需要将Class列转换为因子，例如：

train$Class = factor(train$Class)
test$Class = factor(test$Class)

然后，当您调用naiveBayes()训练并随后进行预测时，它会按照您的预期进行。

或者，您可以将预测类型更改为"raw"并将它们直接转换为结果。比如像这样：

train_predictions = predict(NBclassfier,train, type="raw")
trainPred = 1 * (train_predictions[, 2] >= 0.5 )
trainTable=table(train$Class, trainPred)
test_predictions = predict(NBclassfier, newdata=test, type="raw")
testPred = 1 * (test_predictions[, 2] >= 0.5 )
testTable=table(test$Class, testPred)
print(trainTable)
print(testTable)

推荐阅读