6.2、朴素贝叶斯实例
来源:互联网 发布:淘宝客新建导购推广 编辑:程序博客网 时间:2024/06/05 16:49
贝叶斯实例
junjun
2016年2月10日
Rmarkdown脚本及数据集:http://pan.baidu.com/s/1hr0gTrI
实例一、朴素贝叶斯对莺尾花进行分类
#1、加载数据data("iris")#2、创建测试集和训练集数据library(caret)
## Loading required package: lattice
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 3.2.3
set.seed(2005)index <- createDataPartition(iris$Species, p=0.7, list=F)train_iris <- iris[index, ]test_iris <- iris[-index, ]#3、建模library(e1071)model_iris <- naiveBayes(Species~., data=train_iris)#4、模型评估summary(model_iris)
## Length Class Mode ## apriori 3 table numeric ## tables 4 -none- list ## levels 3 -none- character## call 4 -none- call
pred <- predict(model_iris, train_iris, type="class")mean(pred==train_iris[, 5])
## [1] 0.952381
#5、预测pred_iris <- predict(model_iris, test_iris, type="class")mean(pred_iris==test_iris[, 5])
## [1] 1
table(pred_iris, test_iris[, 5])
## ## pred_iris setosa versicolor virginica## setosa 15 0 0## versicolor 0 15 0## virginica 0 0 15
实例二、对打网球数据分类并预测
#1、加载数据data<-read.csv("F:/R/Rworkspace/NB/playingtennis.csv")str(data)
## 'data.frame': 14 obs. of 6 variables:## $ Day : Factor w/ 14 levels "D1","D10","D11",..: 1 7 8 9 10 11 12 13 14 2 ...## $ Outlook : Factor w/ 3 levels "Overcast","Rain",..: 3 3 1 2 2 2 1 3 3 2 ...## $ Temperature: Factor w/ 3 levels "Cool","Hot","Mild": 2 2 2 3 1 1 1 3 1 3 ...## $ Humidity : Factor w/ 2 levels "High","Normal": 1 1 1 1 2 2 2 1 2 2 ...## $ Wind : Factor w/ 2 levels "Strong","Weak": 2 1 2 2 2 1 1 2 2 2 ...## $ PlayTennis : Factor w/ 2 levels "No","Yes": 1 1 2 2 2 1 2 1 2 2 ...
summary(data)
## Day Outlook Temperature Humidity Wind PlayTennis## D1 :1 Overcast:4 Cool:4 High :7 Strong:6 No :5 ## D10 :1 Rain :5 Hot :4 Normal:7 Weak :8 Yes:9 ## D11 :1 Sunny :5 Mild:6 ## D12 :1 ## D13 :1 ## D14 :1 ## (Other):8
#从上可知:数据集中的Day属性对分类和预测无用,可以删除#2、数据清洗dataset <- data[, 2:6]#3、建模library(e1071)model <- naiveBayes(dataset[, 1:4], dataset[, 5])#4、预测new_data <- data.frame("Rain","Hot","High","Strong")predict(model, new_data)
## [1] Yes## Levels: No Yes
new_data <- data.frame("Sunny","Mild","Normal","Weak")predict(model, new_data)
## [1] Yes## Levels: No Yes
0 0
- 6.2、朴素贝叶斯实例
- 朴素贝叶斯的理解实例
- 朴素贝叶斯算法 & 应用实例
- 朴素贝叶斯算法 & 应用实例
- 机器学习-朴素贝叶斯实例分析
- 朴素贝叶斯实例——邮件分类
- 朴素贝叶斯分类问题实例讲解
- 机器学习笔记十四 朴素贝叶斯实例
- 朴素贝叶斯(有实例,matlab实现)
- 朴素贝叶斯-过滤垃圾邮件代码实例详解
- 机器学习实例一:利用朴素贝叶斯算法识别垃圾邮件
- [转]朴素贝叶斯实例——账号分类
- naive bayes +python 朴素贝叶斯 python分类实例
- 基础的机器学习实例,朴素贝叶斯分类
- 【机器学习】scikit-learn朴素贝叶斯GaussianNB实例
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- URAL1534 进球
- connot be resolved to a variable
- Maven异常:Dynamic Web Module 3.0 requires Java 1.6 or newer.
- 1016. 部分A+B
- BZOJ 1112 POI2008 砖块
- 6.2、朴素贝叶斯实例
- 51Nod 1049 最大子段和(简单DP)
- java concurrent之BlockingQueue
- LeetCode题解:Linked List Cycle II
- Cobbler Quickstart Guide
- 6.3、朴素贝叶斯之垃圾邮件过滤
- xendesttop添加xenserver测试小记
- 7、KNN(K近邻)
- KK's Number