我们还是用相亲网站的数据来建立模型预测一个人是否约会成功：
根据大数定律我们知道当数据足够多的时候频率等于概率，所以数据越大，我们用贝叶斯算法预测的越准确
> ##加载数据集:相亲网站约会数据 > setwd("/Users/yaozhilin/Downloads/R_edu/data") > Data<-read.csv("date_data2.csv") > data<-Data[,c(5,4,6,7,8)] > #朴素贝叶斯需要数据都是等级变量 > data<-as.data.frame(lapply(data, as.factor))#需要lapply作用于数据的每个元素 > #选择训练集和测试集 > set.seed(123) > sample<-sample(1:nrow(data),length(data$Dated)*0.6) > train<-data[sample,] > test<-data[-sample,] > #加载调用bayes函数的包 > library(e1071) > #用train训练得到模型 > bayesmodel<-naiveBayes(Dated~income_rank+attractive_rank+assets_rank,train) > #用模型来预测test中Dated数据 > pre<-predict(bayesmodel,test) > #查看预测结果的准确率 > table(pre,test$Dated) pre 0 1 0 15 5 1 2 18 > accuracy<-sum(pre==test$Dated)/length(test$Dated)#准确率 > accuracy [1] 0.825 > library(gmodels) > table<-CrossTable(test$Dated,pre) Cell Contents |-------------------------| | N | | Chi-square contribution | | N / Row Total | | N / Col Total | | N / Table Total | |-------------------------| Total Observations in Table: 40 | pre test$Dated | 0 | 1 | Row Total | -------------|-----------|-----------|-----------| 0 | 15 | 2 | 17 | | 4.971 | 4.971 | | | 0.882 | 0.118 | 0.425 | | 0.750 | 0.100 | | | 0.375 | 0.050 | | -------------|-----------|-----------|-----------| 1 | 5 | 18 | 23 | | 3.674 | 3.674 | | | 0.217 | 0.783 | 0.575 | | 0.250 | 0.900 | | | 0.125 | 0.450 | | -------------|-----------|-----------|-----------| Column Total | 20 | 20 | 40 | | 0.500 | 0.500 | | -------------|-----------|-----------|-----------| > table$prop.row[2,2]#召回率 [1] 0.7826087 > table$prop.col[2,2]#命中率 [1] 0.9
总结:切记特征条件是独立的，数据要足够大才能使用朴素贝叶斯定理
> ##加载数据集:相亲网站约会数据> setwd("/Users/yaozhilin/Downloads/R_edu/data")> Data<-read.csv("date_data2.csv")> data<-Data[,c(5,4,6,7,8)]> #朴素贝叶斯需要数据都是等级变量> data<-as.data.frame(lapply(data, as.factor))#需要lapply作用于数据的每个元素> #选择训练集和测试集> set.seed(123)> sample<-sample(1:nrow(data),length(data$Dated)*0.6)> train<-data[sample,]> test<-data[-sample,]> #加载调用bayes函数的包> library(e1071)> #用train训练得到模型> bayesmodel<-naiveBayes(Dated~income_rank+attractive_rank+assets_rank,train)> #用模型来预测test中Dated数据> pre<-predict(bayesmodel,test)> #查看预测结果的准确率> table(pre,test$Dated) pre 0 1 0 15 5 1 2 18> accuracy<-sum(pre==test$Dated)/length(test$Dated)#准确率> accuracy[1] 0.825> library(gmodels)> table<-CrossTable(test$Dated,pre)
Cell Contents|-------------------------|| N || Chi-square contribution || N / Row Total || N / Col Total || N / Table Total ||-------------------------|
Total Observations in Table: 40
| pre test$Dated | 0 | 1 | Row Total | -------------|-----------|-----------|-----------| 0 | 15 | 2 | 17 | | 4.971 | 4.971 | | | 0.882 | 0.118 | 0.425 | | 0.750 | 0.100 | | | 0.375 | 0.050 | | -------------|-----------|-----------|-----------| 1 | 5 | 18 | 23 | | 3.674 | 3.674 | | | 0.217 | 0.783 | 0.575 | | 0.250 | 0.900 | | | 0.125 | 0.450 | | -------------|-----------|-----------|-----------|Column Total | 20 | 20 | 40 | | 0.500 | 0.500 | | -------------|-----------|-----------|-----------|
> table$prop.row[2,2]#召回率[1] 0.7826087> table$prop.col[2,2]#命中率[1] 0.9