multinomial_naive_bayes()函数生成模型的r-生成混淆矩阵和ROC

Question

我有一个包含许多因素/分类/名义列/变量/特性的数据集。我需要为这些数据创建一个多项朴素贝叶斯分类器。我试过使用插入符号库，但我不认为这是做多项朴素贝叶斯，我认为它是做高斯朴素贝叶斯，细节这里。我现在已经发现了multinomial_naive_bayes()，它似乎是完美的。它似乎处理了谓词变量中的空值和一个只有一个值的变量，而没有抱怨。

问题是，我不知道如何对multinomial_naive_bayes()函数生成的模型进行“后处理/分析”。我想得到一个插入类型的confusionMatrix在模型上，并在预测输出与测试数据的对比，以评估分类器。我也想生成一条ROC曲线。我该怎么做？

我在下面的multinomial_naive_bayes()文档中包含了示例/参考/示例，如何更新这段代码以获得confusionMatricies和ROC曲线。

出发地:r包'天真无邪'，部分：天真无邪 10

library(naivebayes)

### Simulate the data:
cols <- 10 ; rows <- 100
M <- matrix(sample(0:5, rows * cols, TRUE, prob = c(0.95, rep(0.01, 5))), nrow = rows, ncol = cols)
y <- factor(sample(paste0("class", LETTERS[1:2]), rows, TRUE, prob = c(0.3,0.7)))
colnames(M) <- paste0("V", seq_len(ncol(M)))
laplace <- 1

### Train the Multinomial Naive Bayes
mnb <- multinomial_naive_bayes(x = M, y = y, laplace = laplace)
summary(mnb)
    
# Classification
head(predict(mnb, newdata = M, type = "class")) # head(mnb %class% M)

# Posterior probabilities
head(predict(mnb, newdata = M, type = "prob")) # head(mnb %prob% M)

# Parameter estimates
coef(mnb)

Answer 1

您可以使用插入符号函数confusionMatrix：

library(caret)
pred = predict(mnb, newdata = M, type = "class")
confusionMatrix(table(pred,y))

Confusion Matrix and Statistics

        y
pred     classA classB
  classA     10      3
  classB     20     67

或者如果因素水平是相同的：

confusionMatrix(pred,y)

对于ROC曲线，您需要提供预测的概率：

library(pROC)
roc_ = roc(y,predict(mnb, newdata = M, type ="prob")[,2])

plot(roc_)

​

​