Question

我有一个5000点和12个属性的数据集（其中是类变量）。我在训练（3000点）和测试（2000点）中划分数据并对训练数据进行分类并检查使用准确度指标的错误率，但不幸的是，正在抛出错误，请你帮帮我..

b=as.factor(test_data$Personal.Loan)
model_naivebayes = naiveBayes(Personal.Loan ~.,data=train_data);
naive_predict = predict(model_naivebayes, test_data);
table(naive_predict,b)

错误：表中的错误（naive_predict，b）：所有参数必须具有相同的长度

当我检查naive_predict中的内容时，它说因子W /＆＃39; 0＆＃39; evels

此致斯里兰卡。

Answer 1

我有类似的问题并通过这种方式解决了。我将使用iris数据显示它：

此代码将显示错误消息：

 iris[ , 5] <- as.character(iris[ , 5] )
 classifier<-naiveBayes(iris[,1:4], iris[,5]) 
 table(predict(classifier, iris[,-5]), iris[,5])

如果使用因子，则不会：

 iris[ , 5] <- as.character(iris[ , 5] )
 classifier<-naiveBayes(iris[,1:4], factor(iris[,5]) )
 table(predict(classifier, iris[,-5]), factor(iris[,5]))

Answer 2

看起来错误发生在第3行。您需要在预测时排除类变量。

naive_predict = predict(model_naivebayes, test_data[,-which(names(predictors) %in% c("Personal.Loans"))];

朴素贝叶斯分类器出错

2 个答案: