r - 如何解决 R 中的朴素贝叶斯分类器绘图问题？

Question

我正在尝试用以下数据做朴素贝叶斯分类器，当我绘制它时，我没有得到我想要的图像。（对于太多的代码，我以无脚本形式上传数据）

数据

数据=结构（列表（承认= c（0L，1L，1L，1L，0L，1L，1L，0L，1L，0L，0L，0L，1L，0L，1L，0L，0L，0L，0L，1L， 0L, 1L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L，0L，0L，0L，0L，0L，0L，1L，0L，1L，0L，0L，0L，0L，1L，0L，0L，0L，0L，1L，0L，1L，0L，0L，1L， 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 1L, 0L, 1L, 1L, 0L,1L，0L，0L，0L，0L，0L，0L，1L，1L，0L，1L，0L，1L，0L，0L，1L，0L，0L，1L，0L，0L，0L，1L，0L，0L， 0L，0L，1L，0L，1L，0L，0L，0L，0L，1L，1L，0L，0L，0L，0L，0L，0L，0L，0L，0L，1L，1L，1L，0L，1L， 1L，0L，0L，0L，0L，1L，1L，1L，0L，0L，1L，1L，0L，1L，0L，1L，0L，0L，1L，0L，1L，1L，1L，0L，0L， 0L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 1L, 0L，0L，0L，0L，0L，0L，1L，0L，1L，1L，1L，1L，0L，0L，0L，0L，0L，0L，0L，0L，1L，0L，0L，0L，0L， 0L, 0L, 1L, 1L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L), gre = c(380L, 660L, 800L, 640L, 520L) , 760L, 560L, 400L, 540L, 700L, 800L, 440L, 760L,700L, 700L, 480L, 780L, 360L, 800L, 540L, 500L, 660L, 600L, 680L, 760L, 800L, 620L, 520L, 780L, 520L, 540L, 760L, 600L, 800L, 360L, 400L, 580L, 520L, 500L, 520L, 560L, 580L, 600L, 500L, 700L, 460L, 580L, 500L, 440L, 400L, 640L, 440L, 740L, 680L, 660L, 740L, 560L, 380L, 400L, 600L, 620L, 560L, 640L, 680L，580L，600L，740L，620L，580L，800L，640L，300L，480L，480L，580L，720L，720L，720L，560L，800L，800L，540L，540L，620L，620L，620L，620L，620L，620L，620L，500L，500L，380L，380L，500L，500L，5000L，5000L，520L，520L，520L，520L，520L，520L，520L，和520L，520L，520L，和520L，520L，520L，和520L，520L，520L，520L，零件700L, 660L, 700L, 720L, 800L, 580L, 660L, 660L, 640L, 480L, 700L, 400L, 340L, 580L, 380L, 540L, 660L, 740L, 700L, 480L, 400L, 480L, 680L, 420L, 360L, 600L, 720L, 620L, 440L, 700L, 800L, 340L, 520L, 480L, 520L, 500L, 720L, 540L, 600L, 740L, 540L, 460L, 620L, 640L, 580L, 500L, 560L, 500L, 560L, 700L, 620L, 600L, 640L, 700L, 620L, 580L, 580L, 380L, 480L, 560L, 480L, 740L, 800L, 400L, 640L, 580L, 620L, 580L,560L, 480L, 660L, 700L, 600L, 640L, 700L, 520L, 580L, 700L, 440L, 720L, 500L, 600L, 400L, 540L, 680L, 800L, 500L, 620L, 520L, 620L, 620L, 300L, 620L, 500L, 700L, 540L, 500L, 800L, 560L, 580L, 560L, 500L, 640L, 800L, 640L, 380L, 600L, 560L, 660L, 400L, 600L, 580L, 800L, 580L, 700L, 420L, 600L, 780L, 740L, 640L, 540L, 580L, 740L, 580L, 460L, 640L, 600L, 660L, 340L, 460L, 460L, 560L, 540L, 680L, 480L, 800L, 800L, 720L, 620L, 540L, 480L, 720L, 580L, 600L, 380L, 420L, 800L, 620L, 660L, 480L, 500L, 700L, 440L, 520L, 680L, 620L, 540L, 800L, 680L, 440L, 680L, 640L, 660L, 620L, 520L, 540L, 740L, 640L, 520L, 620L, 520L, 640L, 680L, 440L, 520L, 620L, 520L, 380L, 560L, 600L, 680L, 500L, 640L, 540L, 680L, 660L, 520L, 600L, 460L, 580L, 680L, 660L, 660L, 360L, 660L, 520L, 440L, 600L, 800L, 660L, 800L, 420L, 620L, 800L, 680L, 800L, 480L, 520L, 560L, 460L, 540L,720L, 640L, 660L, 400L, 680L, 220L, 580L, 540L, 580L, 540L, 440L, 560L, 660L, 660L, 520L, 540L, 300L, 340L, 780L, 480L, 540L, 460L, 460L, 500L, 420L, 520L，680L，680L，560L，580L，500L，740L，660L，420L，420L，560L，460L，460L，620L，620L，520L，620L，540L，540L，660L，660L，500L，500L，500L，560L，560L，500L，500L，5000L，520L，520L，520L，520L，520L，5000L，5000L，500卢比620L, 780L, 620L, 580L, 700L, 540L, 760L, 700L, 720L, 560L, 720L, 520L, 540L, 680L, 460L, 560L, 480L, 460L, 620L, 580L, 800L, 540L, 680L, 680L, 620L, 560L, 560L, 620L, 800L, 640L, 540L, 700L, 540L, 540L, 660L, 480L, 420L, 740L, 580L, 640L, 640L, 800L, 660L, 600L, 620L, 460L, 620L, 560L, 460L, 700L, 600L), gpa = c(3.61, 3.67, 4, 3.19, 2.93, 3, 2.98, 3.08, 3.39, 3.92, 4, 3.22, 4, 3.08, 4, 3.44, 3.87, 2.56, 3.75, 3.81, 3.17, 3.6 , 2.82, 3.19, 3.35, 3.66, 3.61, 3.74, 3.22, 3.29, 3.78, 3.35, 3.4, 4, 3.14, 3.05, 3.25, 2.9, 3.13, 2.68, 2.42, 3.32,, 3.15, 3.32.94, 3.45, 3.46, 2.97, 2.48, 3.35, 3.86, 3.13, 3.37, 3.27, 3.34, 4, 3.19, 2.94, 3.65, 2.82, 3.18, 3.32, 3.67, 3.85, 2, 4, 3.59, 3. 3.73, 4, 2.92, 3.39, 4, 3.45, 4, 3.36, 4, 3.12, 4, 2.9, 3.07, 2.71, 2.91, 3.6, 2.98, 3.32, 3.48, 3.28, 4, 3.83, 3.64, 3.9, 2.9 3.44, 3.33, 3.52, 3.57, 2.88, 3.31, 3.15, 3.57, 3.33, 3.94, 3.95, 2.97, 3.56, 3.13, 2.93, 3.45, 3.08, 3.41, 3, 3.22, 3.7, 3.84, 3.7, 3.79 2.92, 3.74, 2.67, 2.85, 2.98, 3.88, 3.38, 3.54, 3.74, 3.19, 3.15, 3.17, 2.79, 3.4, 3.08, 2.95, 3.57, 3.33, 4, 3.4, 3.4, 3.58, 3.93, 3.4, 3.58, 3.93, 3.4、3.43、3.4、2.71、2.91、3.31、3.74、3.38、3.94、3.46、3.69、2.86、2.52、3.58、3.49、3.82、3.13、3.5、3.56、2.724、3.3、7、4、3、3 3.62, 3.51, 2.81, 3.48, 3.43, 3.53, 3.37, 2.62, 3.23, 3.33, 3.01, 3.78, 3.88, 4, 3.84, 2.79, 3.6, 3.61, 2.88, 3.07, 3.5.35,, 3.76, 3.5.35,, 3.76, 3.5.35,, 3.76 3.47, 3.59,3.07, 3.23, 3.63, 3.77, 3.31, 3.2, 4, 3.92, 3.89, 3.8, 3.54, 3.63, 3.16, 3.5, 3.34, 3.02, 2.87, 3.38, 3.56, 2.91, 29, 8, 3.64,.., 29,8,3.64,.. 3.99, 3.02, 3.47, 2.9, 3.5, 3.58, 3.02, 3.43, 3.42, 3.29, 3.28, 3.38, 2.67, 3.53, 3.05, 3.49, 4, 2.86, 3.45, 2.76, 3.9.81, 3.04, 3.29, 3.04, 3.34, 3.17, 3.64, 3.73, 3.31, 3.21, 4, 3.55, 3.52, 3.35, 3.3, 3.95, 3.51, 3.81, 3.11, 3.15, 3.19, 3.95, 3.9, 3.34, 3.9.24, 2.8, 3.9.6, 2.8, 3.33, 3.67, 3.32, 3.12, 2.98, 3.77, 3.58, 3, 3.14, 3.94, 3.27, 3.45, 3.1, 3.39, 3.31, 3.22, 3.7, 3.15, 2.26, 3.45, 3.9, 2.5, 2.5, 3.9, 2.5, 3.7, 2.5, 3.16, 3.07, 3.5, 3.4, 3.3, 3.6, 3.15, 3.98, 2.83, 3.46, 3.17, 3.51, 3.13, 2.98, 4, 3.67, 3.77, 3.65, 3.46, 2.84, 3, 3.63, 3.17, 3.18 3.58, 3.01, 2.69, 2.7, 3.9, 3.31, 3.48, 3.34, 2.93, 4, 3.59, 2.96, 3.43, 3.64, 3.71, 3.15, 3.09, 3.2, 3.47, 3.23, 3.65, 3..5, 3.65, 3.95,03, 3.35, 3.8, 3.36, 2.85, 4, 3.43, 3.12, 3.52, 3.78, 2.81, 3.27, 3.31, 3.69, 3.94, 4, 3.49, 3.14, 3.44, 3.36, 2.78, 4, 2.93.8, 3.6 3.77, 3.76, 2.42, 3.37, 3.78, 3.49, 3.63, 4, 3.12, 2.7, 3.65, 3.49, 3.51, 4, 2.62, 3.02, 3.86, 3.36, 3.17, 3.51, 3.05, 3.88,..8 4, 3.04, 2.63, 3.65, 3.89), 秩 = c(3L, 3L, 1L, 4L, 4L, 2L, 1L, 2L, 3L, 2L, 4L, 1L, 1L, 2L, 1L, 3L, 4L, 3L , 2L, 1L, 3L, 2L, 4L, 4L, 2L, 1L, 1L, 4L, 2L, 1L, 4L, 3L, 3L, 3L, 1L, 2L, 1L, 3L, 2L, 3L, 2L, 2L, 2L , 3L, 2L, 3L, 2L, 4L, 4L, 3L, 3L, 4L, 4L, 2L, 3L, 3L, 3L, 3L, 2L, 4L, 2L, 4L, 3L, 3L, 3L, 2L, 4L, 1L , 1L, 1L, 3L, 4L, 4L, 2L, 4L, 3L, 3L, 3L, 1L, 1L, 4L, 2L, 2L, 4L, 3L, 2L, 2L, 2L, 1L, 2L, 2L, 1L, 2L , 2L, 2L, 2L, 4L, 2L, 2L, 3L, 3L, 3L, 4L, 3L, 2L, 2L, 1L, 2L, 3L, 2L, 4L, 4L, 3L, 1L, 3L, 3L, 2L, 2L , 1L, 3L, 2L, 2L, 3L, 3L, 3L, 4L, 1L, 4L, 2L, 4L, 2L, 2L, 2L, 3L, 2L,3L，4L，3L，2L，1L，2L，4L，4L，3L，4L，3L，2L，3L，1L，1L，1L，2L，2L，3L，3L，4L，2L，1L，2L，3L， 2L，2L，2L，2L，2L，1L，4L，3L，3L，3L，3L，3L，3L，2L，4L，2L，2L，3L，3L，3L，3L，4L，2L，2L，4L， 2L，3L，2L，2L，2L，2L，3L，3L，4L，2L，2L，3L，4L，3L，4L，3L，2L，1L，4L，1L，3L，1L，1L，3L，2L， 4L，2L，2L，3L，2L，3L，1L，1L，1L，2L，3L，3L，1L，3L，2L，3L，2L，4L，2L，2L，4L，3L，2L，3L，1L， 2L, 2L, 2L, 4L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 2L, 3L, 3L, 4L, 4L, 2L, 4L, 4L, 3L, 2L, 3L, 2L, 2L, 2L，2L，3L，3L，3L，3L，4L，3L，2L，3L，2L，3L，2L，1L，2L，2L，3L，1L，4L，2L，2L，3L，4L，4L，2L， 4L，1L，4L，4L，4L，2L，2L，2L，1L，1L，3L，1L，2L，2L，3L，2L，3L，2L，2L，3L，4L，1L，2L，2L，3L， 3L，2L，3L，4L，4L，2L，2L，4L，4L，1L，3L，2L，4L，2L，3L，1L，2L，2L，2L，4L，3L，3L，1L，3L，3L， 1L，3L，4L，1L，3L，4L，3L，4L，2L，3L，3L，2L，2L，2L，2L，2L，3L，3L，2L，2L，1L，2L，1L，3L，3L，1L，1L，2L，2L，1L，3L，3L，3L，1L，2L，2L，3L，1L，1L，2L， 4L, 2L, 2L, 3L, 2L, 2L, 2L, 2L, 1L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 2L, 3L, 2L, 3L, 2L, 2L, 3L) ), class = "data.frame", row.names = c(NA, -400L))

代码

data$admit = as.factor(data$admit)
data$rank = as.factor(data$rank)
set.seed(1234)
ind = sample(2, nrow(data), replace = T, prob = c(0.8, 0.2))
train = data[ind==1,]
test = data[ind==2,]
model = naive_bayes(admit ~ ., data = train, usekernel = T)
plot(model)

但我得到的情节在下面

我只想要那张照片应该是这样的

标签： rnaivebayes