1

パッケージnaiveBayes内の関数を使用しようとしました。e1071プロセスは次のとおりです。

>library(e1071)
>data(iris)
>head(iris, n=5)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
>model <-naiveBayes(Species~., data = iris)
> pred <- predict(model, newdata = iris, type = 'raw')
> head(pred, n=5)
         setosa   versicolor    virginica
[1,]      1.00000 2.981309e-18 2.152373e-25
[2,]      1.00000 3.169312e-17 6.938030e-25
[3,]      1.00000 2.367113e-18 7.240956e-26
[4,]      1.00000 3.069606e-17 8.690636e-25
[5,]      1.00000 1.017337e-18 8.885794e-26

これまでのところ、すべて問題ありません。次のステップでは、新しいデータ ポイントの作成を試み、naivebayes モデル ( model) を使用してクラス変数 ( ) を予測しSpecies、トレーニング データ ポイントの 1 つを選択しました。

> test = c(5.1, 3.5, 1.4, 0.2) 
> prob <- predict(model, newdata = test, type=('raw'))

結果は次のとおりです。

> prob
        setosa versicolor virginica
[1,] 0.3333333  0.3333333 0.3333333
[2,] 0.3333333  0.3333333 0.3333333
[3,] 0.3333333  0.3333333 0.3333333
[4,] 0.3333333  0.3333333 0.3333333

と奇妙です。私が使用したデータポイントtestは、データセットの行ですiris。実際のデータに基づくと、このデータ ポイントのクラス変数は次のsetosaとおりです。

Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa

そしてnaiveBayes正しく予測されました：

             setosa   versicolor    virginica
   [1,]      1.00000 2.981309e-18 2.152373e-25

しかし、testデータ ポイントを予測しようとすると、間違った結果が返されます。1 つのデータ ポイントのみの予測を探しているのに、予測どおりに 4 行が返されるのはなぜですか? 私は間違っていますか？

4

1 に答える 1

2

トレーニング データの列名に対応する列名が必要です。トレーニング データ

test2 = iris[1,1:4]

predict(model, newdata = test2, type=('raw'))
     setosa   versicolor    virginica
[1,]      1 2.981309e-18 2.152373e-25

で定義された「新しい」テストデータdata.frame

test1 = data.frame(Sepal.Length = 5.1, Sepal.Width = 3.5, Petal.Length =  1.4, Petal.Width = 0.2)

predict(model, newdata = test1, type=('raw'))
     setosa   versicolor    virginica
[1,]      1 2.981309e-18 2.152373e-25

1 つの次元だけを入力すると、ベイズ ルールによって予測できます。

predict(model, newdata = data.frame(Sepal.Width = 3), type=('raw'))

        setosa versicolor virginica
[1,] 0.2014921  0.3519619  0.446546

トレーニング データにない次元を入力すると、同等の確率のクラスが得られます。より長いベクトルを入力すると、より多くの予測が得られます。

predict(model, newdata = 1, type=('raw'))

        setosa versicolor virginica
[1,] 0.3333333  0.3333333 0.3333333
于 2015-06-29T15:57:04.627 に答える