R中的朴素贝叶斯分类结果相反。

Question

我正在尝试使用 R（包 e1071）进行朴素贝叶斯分类。尝试了通常的高尔夫示例，但我总是得到相反的结果。

场景： 如果天气好，我打高尔夫是“是”还是“不是”？非常简单的例子。

创建了一个训练数据集 (df)，根据训练数据集，我期望结果为“好”天气的“是”，但它给了我一个“否”。

[1] No
Levels: No Yes

为什么会这样？是我理解错了还是我做错了什么？

非常感谢所有支持..

干杯..！

weather <- c("Good", "Good", "Good", "Bad", "Bad","Good")
golf <- c("Yes","No","Yes","No","Yes","Yes")
df <- data.frame(weather, golf) #Training dataset

df[] <- lapply(df, factor) #changing df to factor variables

df_new <- data.frame(weather = "Good") #Test dataset

library(e1071)
model <- naiveBayes(golf ~.,data=df)
predict(model, df_new, type ="class")

Answer 1

这是因为因子编码可能会产生误导。事实上，如果您不确保 df 和 df_new 中的因子以相同的方式编码，那么与您所看到的相比，您会得到（看似）荒谬的结果。

看看df的整数编码

print(df$weather)
Good Good Good Bad  Bad  Good
print(as.integer(df$weather))
2 2 2 1 1 2

并将其与df_new的编码进行比较

print(df_new$weather)
Good
print(as.integer(df_new$weather))
1

Good 已映射到df_new 中的1，而1 对应于df 中的Bad。因此，当您应用模型时，您要求的是基于 Bad 天气的预测。

您需要将df_new 的因子设置为与df 中的编码方式相同

df_new <- data.frame(weather = "Good") #Test dataset
df_new$weather <- factor(df_new$weather, levels(df$weather))

Answer 2

这是因子水平的问题：您的测试数据没有正确的水平。一些示例代码应该清楚：

weather <- c("Good", "Good", "Good", "Bad", "Bad","Good")
golf <- c("Yes","No","Yes","No","Yes","Yes")
df <- data.frame(weather, golf) #Training dataset

df[] <- lapply(df, factor) #changing df to factor variables

以下是创建示例数据的三种方法，其中 2 种通过指定可比因子来工作：

df_new <- data.frame(weather = "Good")
df_new1 <- data.frame(weather = df$weather[nrow(df)]) 
df_new2 <- data.frame(weather = factor("Good", levels = levels(df$weather)))

library(e1071)
model <- naiveBayes(golf ~.,data=df)
predict(model, df_new, type ="class")
#> [1] No
#> Levels: No Yes

预测在因子变量上按预期工作

predict(model, df_new1)
#> [1] Yes
#> Levels: No Yes

predict(model, df_new2)
#> [1] Yes
#> Levels: No Yes

我们可以看到原来的水平是关闭的

lapply(c(df_new, df_new1, df_new2), levels)
#> $weather
#> [1] "Good"
#> 
#> $weather
#> [1] "Bad"  "Good"
#> 
#> $weather
#> [1] "Bad"  "Good"