溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章為大家展示了 如何理解R語言分類算法中的樸素貝葉斯分類，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。
1.樸素貝葉斯分類原理解析
根據(jù)已知的先驗概率P(A|B),利用貝葉斯公式P(B|A)=P(A|B)P(B)/P(A)求出后驗概率P(B|A),即該樣本屬于某一類的概率,然后選擇具有最大后驗概率的類作為該樣本所屬的類.
也就是說,對于給出的待分類樣本,求出在此樣本出現(xiàn)條件下各個類別出現(xiàn)的概率,哪個最大,就認為此樣本屬于哪個類別.
其優(yōu)勢在于不怕噪聲和無關變量,不足之處在于,它假設各個特征屬性是無關的,而現(xiàn)實情況往往不是如此.
2.在R語言中的應用
樸素貝葉斯分類主要用到了klaR包里面的NaiveBayes(formula,data,...,subset,na,action=na.pass)函數(shù)。
3.以iris數(shù)據(jù)集為例進行判別分析
1)應用模型并觀察結果
library(klaR) fit_Bayes1=NaiveBayes(Species~.,data_train) fit_Bayes1[1:length(fit_Bayes1)]
2)做出密度曲線
plot(fit_Bayes1)
3)預測分析并對模型進行評測
pre_Bayes1=predict(fit_Bayes1,data_test) pre_Bayes1
table(data_test$Species,pre_Bayes1$class) error_Bayes1=sum(as.numeric(as.numeric(pre_Bayes1$class)!=as.numeric(data_test$Species)))/nrow(data_test)； error_Bayes1
上述內容就是 如何理解R語言分類算法中的樸素貝葉斯分類，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業(yè)資訊頻道。
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經查實，將立刻刪除涉嫌侵權內容。
