R语言 朴素贝叶斯分类预测
#朴素贝叶斯预测分类问题代码
install.packages("e1071") #下载包
library(e1071) #加载包
classifier=naiveBayes(iris[,1:4],iris[,5]) #构建分类器
table(predict(classifier,iris[,-5]),iris[,5]) #生成混淆矩阵
classifier #查看先验概率和各特征变量与鸢尾花品种的条件概率
set.seed(2019) #设定随机种子
index=sample(x=2,size=nrow(iris),replace=TRUE,prob=c(0.8,0.2)) #按照80%和20%比例划分训练集和测试集
iris.Train=iris[index==1,] #训练集
iris.Test=iris[index==2,] #测试集
dim(iris.Train) #查看训练集的大小(行和列)
dim(iris.Test) #查看测试集的大小
class1=naiveBayes(iris.Train[,1:4],iris.Train[,5]) #分类器
table(predict(class1,iris.Test[,-5]),iris.Test[,5]) #测试集预测效果
#软件结果展示
> library(e1071) #加载包
Warning message:
程辑包‘e1071’是用R版本3.2.5 来建造的
> classifier=naiveBayes(iris[,1:4],iris[,5]) #构建分类器
> table(predict(classifier,iris[,-5]),iris[,5]) #生成混淆矩阵
setosa versicolor virginica
setosa 50 0 0
versicolor 0 47 3
virginica 0 3 47
> classifier #查看先验概率和各特征变量与鸢尾花品种的条件概率
Naive Bayes Classifier for Discrete Predictors
Call:
naiveBayes.default(x = iris[, 1:4], y = iris[, 5])
A-priori probabilities:
iris[, 5]
setosa versicolor virginica
0.3333333 0.3333333 0.3333333
Conditional probabilities:
Sepal.Length
iris[, 5] [,1] [,2]
setosa 5.006 0.3524897
versicolor 5.936 0.5161711
virginica 6.588 0.6358796
Sepal.Width
iris[, 5] [,1] [,2]
setosa 3.428 0.3790644
versicolor 2.770 0.3137983
virginica 2.974 0.3224966
Petal.Length
iris[, 5] [,1] [,2]
setosa 1.462 0.1736640
versicolor 4.260 0.4699110
virginica 5.552 0.5518947
Petal.Width
iris[, 5] [,1] [,2]
setosa 0.246 0.1053856
versicolor 1.326 0.1977527
virginica 2.026 0.2746501
> set.seed(2019) #设定随机种子
> index=sample(x=2,size=nrow(iris),replace=TRUE,prob=c(0.8,0.2)) #按照80%和20%比例划分训练集和测试集
> iris.Train=iris[index==1,] #训练集
> iris.Test=iris[index==2,] #测试集
> dim(iris.Train) #查看训练集的大小(行和列)
[1] 121 5
> dim(iris.Test) #查看测试集的大小
[1] 29 5
> class1=naiveBayes(iris.Train[,1:4],iris.Train[,5]) #分类器
> table(predict(class1,iris.Test[,-5]),iris.Test[,5]) #测试集预测效果,准确率100%
setosa versicolor virginica
setosa 8 0 0
versicolor 0 11 0
virginica 0 0 10
R语言 朴素贝叶斯分类预测相关推荐
- R构建朴素贝叶斯分类器(Naive Bayes Classifier)
R构建朴素贝叶斯分类器(Naive Bayes Classifier) 目录 R构建朴素贝叶斯分类器(Naive Bayes Classifier) 朴素贝叶斯原理及分类器
- R语言glm模型预测(predict)过程及Error in eval(predvars, data, env) 错误原因
R语言glm模型预测(predict)过程及Error in eval(predvars, data, env) 错误原因 目录 R语言glm模型预测(predict)过程及Error in eval ...
- 通过R语言做灰色预测
通过R语言做灰色预测 GM(1,1)模型的定义 数据的检验与处理 数据的生成 级比检验 GM(1,1)建模 生成累加数据和均值数据 构造矩阵BBB及数据向量YYY,有 计算: 建立模型,求解,并还原数 ...
- R语言easier包预测免疫治疗响应
[生信笔记]R语言easier包预测免疫治疗响应 这个包发表于2021年,以患者的RNA序列数据作为输入,来预测免疫治疗的结果.文章的DOI是:doi: 10.1016/j.patter.2021.1 ...
- R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性...
报告链接:http://tecdat.cn/?p=32161 本文通过建立空载率的数学模型,帮助客户来分析出租车的空载率,从而对出租车补贴政策能否提高高峰期的实载率,缓解打车难问题进行了说明(点击文末 ...
- R语言实战:预测钻石的价格
作者:刘小芬,R语言中文社区专栏作者.知乎专栏:https://www.zhihu.com/people/liu-xiao-fen-10/columns 数据来源:R中的ggplot2包的自带数据di ...
- 数据分析与挖掘 - R语言:贝叶斯分类算法(案例三)
案例三比较简单,不需要自己写公式算法,使用了R自带的naiveBayes函数. 代码如下: > library(e1071)> classifier<-naiveBayes(iris ...
- 用R语言实现神经网络预测股票实例
神经网络是一种基于现有数据创建预测的计算系统.最近我们被客户要求撰写关于神经网络的研究报告,包括一些图形和统计输出. 如何构建神经网络? 神经网络包括: 输入层:根据现有数据获取输入的层 隐藏层:使用 ...
- R语言 支持向量机分类预测
#支持向量机预测问题代码 install.packages("e1071") #下载包 library(e1071) #加载包 attach(iris ...
最新文章
- 抛弃注意力,比EfficientNet快3.5倍,类Transformer新模型跨界视觉任务实现新SOTA
- Machine Learning | (11) 回归性能评估与欠拟合、过拟合
- 谷歌全方位自曝Waymo无人车技术方案 | 42页报告要点解读+下载
- SpringMVC 运行过程
- 人工智能用哪个语言好 选择Python语言怎么样
- Unit01: AJAX 、 AJAX的使用
- 【我解C语言面试题系列】003 死循环格式问题小结?
- 面试中的智力题及编程实践
- Xml中SelectSingleNode方法,xpath查找某节点用法
- linux realtek声卡驱动下载,下载:Realtek HD Audio音频驱动2.06版
- 华为社招16级待遇2020_2020年3月16日乌鲁木齐沙依巴克区发生3.5级地震简报
- K8s中Secrets
- C++定义复数类(Complex)
- oracle查询某个时间段是否在另外一个时间段之内
- 项目:家庭收入支出记账软件(JAVA语言)
- php全局变量与局部变量
- 并发编程之二:线程创建方法、运行原理、常见方法(sleep,join,interrupt,park,守护线程等)
- 什么是EEPROM?和ROM有区别吗?//2021-2-18
- ios关于GPUImage图片拍摄及视频录制
- 浅谈汽车转向灯的具体拆装方法
热门文章
- Kotlin学习总结(1)——Kotlin快速入门
- webpack4下import()模块按需加载,打包按需切割模块,减少包体积,加快首页请求速度...
- datagridview数据导出到excel
- 十进制转任意进制-数论
- # 2017-2018-1 20155224 《信息安全系系统设计基础》第四周MyOD
- 使用Java制作验证码
- Spring Cloud Config服务端配置细节(二)之加密解密
- MongoDB(1)--简单介绍以及安装
- 省份,城市,地区------三级联动菜单//要加注释
- 构架https服务器