R中naive_bayes预测数据的影响因素

Question

我试图了解如何创建一个因素数据，以预测使用naive_bayes的结果。我看到的所有示例都采用了一个数据have，并将其划分为两个dfs(培训和测试)。这对我确实有用：

library(naivebayes)

#Basic naive-bayes model with prediction/test dataframe a subset of the original 

age_class<-c('x3','x2','x2','x1','x3','x1')
student<-c('n','y','n','y','y','y')
inc<-c('m','h','m','m','m','l')
sav<-c('e','f','e','e','f','f')
buy<-c('N','Y','Y','Y','Y','Y')

df<-data.frame(age_class,student,inc,sav,buy)

nbmod<-naive_bayes(buy~ age_class + student +inc + sav, data=df[2:6,])

predictdf<-df[1,1:4]

predict(nbmod,newdata=predictdf)

是否必须通过每次指定所有级别来创建用于预测的数据？是否有一种方法可以利用原始数据格式(df)中有关因子水平的信息？

age_class<-factor('x3', levels=c('x1','x2','x3'))
student<-factor('n', levels=c('n','y'))
inc<-factor('m', levels=c('h','l','m'))
sav<-factor('e',levels=c('e','f'))

predictdf3<-data.frame(age_class,student,inc,sav)

predict(nbmod,newdata=predictdf3)

Answer 1

对于这种特殊情况，您可能可以通过levels()引用原始级别。

predictdf3 <- data.frame(
    age_class = factor("x3", levels = levels(df$age_class)),
    student = factor("n", levels = levels(df$student)),
    inc = factor("m", levels = levels(df$inc)),
    sav = factor("e", levels = levels(df$sav))
)

注意，因素的编码应该在火车和测试数据中匹配。一定要前后一致。因此，您必须合并(然后拆分)您的培训数据集和测试数据集，或者将因素级别从您的火车数据集复制到测试数据集。