如何在R中修复不使用预测功能的predict.naive_bayes

Question

我有一个有45045个变量的数据框架，R中只有90个观测值。我做了一个主成分分析来降低维度，我将使用14个主成分。我需要做预测，我想尝试使用朴素贝叶斯方法。我不能对转换后的数据使用预测功能，并且我不理解错误。

下面是一些代码：

data.pca <- prcomp(data)

我将使用14台PC：

newdata <- as.data.frame(data.pca$x[,1:14]) #dimension: 90x14

培训：

库(Naivebayes)

mod.nb <- naive_bayes(label ~ newdata$PC1+...+newdata$PC14, data = NULL)

Tryna预测了第50次观察：

test.pca <- predict(data.pca, newdata = data[50,])

test.pca <- as.data.frame(test.pca)

test.pca <- test.pca[,1:14]

pred <- predict(mod.nb, test.pca)

我得到了这些错误：

predict.naive_bayes(): Only 0 feature(s) out of 14 defined in the naive_bayes object "mod.nb" are used for prediction.

predict.naive_bayes(): No feature in the newdata corresponds to probability tables in the object. Classification is done based on the prior probabilities

标签的向量是一个从级别1到级别6的因子，对于我尝试预测的任何观测，结果只有1。例如，第50个观测的标签为4。

Answer 1

您可以尝试仅从您的代码修改的以下代码

data.pca <- prcomp(data)

newdata <- as.data.frame(data.pca$x[,1:14])
library(naivebayes)

mod.nb <- naive_bayes(label ~ newdata$PC1+...+newdata$PC14, data = newdata)

test.pca <- predict(mod.nb, newdata = newdata[50,])