朴素贝叶斯算法
学习与分类算法
1 训练数据
X1<-c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3)
X2<-c("S","M","M","S","S","S","M","M","L"...,否则无法使用朴素贝叶斯进行预测
#cls指的是“class”类别属性,也就是因变量:,atr指的是一个包含特征名称的字符串向量,特征顺序是可以任意的
#data 是数据框Imada是控制参数,=0,模型采用极大似然估计法进行学习...>0,模型采用贝叶斯估计法进行学习
#=1,使用的是拉普拉斯平滑法,所有的组建信息可通过names()或srt()获取
navieBayes<-function(cls= "Y",atr=c("X1",...,"\n")
lobj<-length(c(obj$response,obj$variables))
print.default(obj[1:lobj])}
4 对一个进行预测...preCnavieBayes<-function(NBobj,cls=NULL,atr=NULL,atr_value=NULL){
#只能对一个函数进行预测
level<-NBobj