Question

我试图了解Naive Bayes是如何工作的。

我的数据集如下所示：

> data.flu
    chills runnyNose headache fever flu
1      1         0        M     1   0
2      1         1        N     0   1
3      1         0        S     1   1
4      0         1        M     1   1
5      0         0        N     0   0
6      0         1        S     1   1
7      0         1        S     0   0
8      1         1        M     1   1

如果这些列的类型如下所示：

str(data.flu)
'data.frame':  8 obs. of  5 variables:
  $ chills   : num  1 1 1 0 0 0 0 1
$ runnyNose: num  0 1 0 1 0 1 1 1
$ headache : Factor w/ 3 levels "M","N","S": 1 2 3 1 2 3 3 1
$ fever    : num  1 0 1 1 0 1 0 1
$ flu      : Factor w/ 2 levels "0","1": 1 2 2 2 1 2 1 2

该模型将如下所示：

Naive Bayes Classifier for Discrete Predictors
Call:
  naiveBayes.default(x = X, y = Y, laplace = laplace)
A-priori probabilities:
  Y
0     1 
0.375 0.625 

Conditional probabilities:
  chills
Y        [,1]      [,2]
0 0.3333333 0.5773503
1 0.6000000 0.5477226
...

我很有意思地找到P(chills=1|flu=1) + P(chills=0|flu=1) != 1，在我的观点中，当flu是积极的，一个人要么发冷还是没有。我的基本知识出了问题。概率。

我通过将所有类型更改为因子来验证我的想法，并且每个数字都匹配我的便利计算。

A-priori probabilities:
  Y
0     1 
0.375 0.625 

Conditional probabilities:
  chills
Y           0         1
0 0.6666667 0.3333333
1 0.4000000 0.6000000
...

任何人都可以向我解释当列包含数字列时，第一个场景中的概率是如何计算的...这对于任何书籍或纸张都非常有帮助。

非常感谢

Answer 1

要回答您的问题：所有类别列都必须是因子，否则它们将被视为数字。

假设您使用的是e1071软件包，请参见documentation

表的列表，每个预测变量一个。对于每个类别变量，一个表针对每个属性级别给出给定目标类别的条件概率。对于每个数字变量，都有一个表，为每个目标类别给出（子）变量的均值和标准差。

这意味着，在第一个示例中，您没有看到P（chills = 1 | flu = 0）和P（chills = 0 | flu = 0）的条件概率，而是感冒= 0。然后将冷颤视为连续变量，其正态分布取决于流感。

朴素贝叶斯所有列都必须是因素？或不

1 个答案: