在测试和训练数据集上使用朴素贝叶斯函数

Question

我正在尝试对训练和测试数据集使用 NaiveBayes 函数。我正在使用这个有用的网站：https://rpubs.com/riazakhan94/naive_bayes_classifier_e1071

但是，由于某种原因它不起作用，这是我得到的错误：“表中的错误（train$Class，trainPred）：所有参数必须具有相同的长度。”

这是我正在使用的代码，我猜它是一个超级简单的修复程序。数据集的 x 和 y 列在类列上进行预测：

https://github.com/samuelc12359/NaiveBayes.git

test <- read.csv(file="TestX.csv",header=FALSE)
train <- read.csv(file="TrainX.csv",header=FALSE)

Names <- c("x","y","Class")
colnames(test)<- Names
colnames(train)<- Names

NBclassfier=naiveBayes(Class~x+y, data=train)
print(NBclassfier)


trainPred=predict(NBclassfier,train, type="class")
trainTable=table(train$Class, trainPred)
testPred=predict(NBclassfier, newdata=test, type="class")
testTable=table(test$Class, testPred)
print(trainTable)
print(testTable)

Answer 1

您需要将Class 列转换为因子，例如像这样：

train$Class = factor(train$Class)
test$Class = factor(test$Class)

然后当您调用naiveBayes() 进行训练，然后再进行预测时，它会按照您的预期进行。

或者，您可以将预测类型更改为 "raw" 并直接将其转化为结果。例如。像这样：

train_predictions = predict(NBclassfier,train, type="raw")
trainPred = 1 * (train_predictions[, 2] >= 0.5 )
trainTable=table(train$Class, trainPred)
test_predictions = predict(NBclassfier, newdata=test, type="raw")
testPred = 1 * (test_predictions[, 2] >= 0.5 )
testTable=table(test$Class, testPred)
print(trainTable)
print(testTable)