naiveBayes(e1071)
naiveBayes()所属R语言包：e1071
Naive Bayes Classifier
朴素贝叶斯分类器
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes the conditional a-posterior probabilities of a categorical class variable given independent predictor variables using the Bayes rule.
计算一个后验概率给出一个明确的类变量的独立预测因子变量，使用贝叶斯规则的条件。
用法----------Usage----------
## S3 method for class 'formula'[类formula的方法]
naiveBayes(formula, data, laplace = 0, ..., subset, na.action = na.pass)
## Default S3 method:[默认方法]
naiveBayes(x, y, laplace = 0, ...)
## S3 method for class 'naiveBayes'
predict(object, newdata,
type = c("class", "raw"), threshold = 0.001, ...)
参数----------Arguments----------
参数：x
A numeric matrix, or a data frame of categorical and/or numeric variables.
一个数字矩阵或数据框的分类和/或数字变量。
参数：y
Class vector.
Vector类。
参数：formula
A formula of the form class ~ x1 + x2 + .... Interactions are not allowed.
公式的形式class ~ x1 + x2 + ...。相互作用是不允许的。
参数：data
Either a data frame of predictors (categorical and/or numeric) or a contingency table.
无论是数据框的预测（分类和/或数字）或联表。
参数：laplace
positive double controlling Laplace smoothing. The default (0) disables Laplace smoothing.
正面双控制拉普拉斯平滑。默认值（0）禁用拉普拉斯平滑。
参数：...
Currently not used.
目前没有使用。
参数：subset
For data given in a data frame, an index vector specifying the cases to be used in the training sample. (NOTE: If given, this argument must be named.)
对于给定的一个数据框中指定训练样本中的被使用的情况下，索引向量的数据。 （注：如果给定，该参数必须被命名。）
参数：na.action
A function to specify the action to be taken if NAs are found. The default action is not to count them for the computation of the probability factors. An alternative is na.omit, which leads to rejection of cases with missing values on any required variable. (NOTE: If given, this argument must be named.)
如果NAs的函数指定动作。默认的操作是不指望他们计算的概率因素。另一种方法是na.omit，从而导致拒绝任何所需的变量的遗漏值的情况下。 （注：如果给定，该参数必须被命名。）
参数：object
An object of class "naiveBayes".
对象的类"naiveBayes"。
参数：newdata
A dataframe with new predictors (with possibly fewer columns than the training data). Note that the column names of newdata are matched against the training data ones.
一个新的预测（可能有较少的列比训练数据）的数据框。请注意，列名newdata对抗训练数据的匹配。
参数：type
If "raw", the conditional a-posterior probabilities for each class are returned, and the class with maximal probability else.
"raw"如果，有条件的一个后验概率为每个类返回，和其他类的概率最大。
参数：threshold
Value replacing cells with 0 probabilities.
0的概率值置换单元。
Details
详细信息----------Details----------
The standard naive Bayes classifier (at least this implementation) assumes independence of the predictor variables, and Gaussian distribution (given the target class) of metric predictors. For attributes with missing values, the corresponding table entries are omitted for prediction.
标准的朴素贝叶斯分类器（至少执行）假设的预测变量的独立性和高斯分布（给定目标类）度量的预测。缺失值的属性，相应的表项被忽略的预测。
值----------Value----------
An object of class "naiveBayes" including components:
对象的类"naiveBayes"，包括组件：
<table summary="R valueblock"> <tr valign="top"><td>apriori</td> <td> Class distribution for the dependent variable.</td></tr> <tr valign="top"><td>tables</td> <td> A list of tables, one for each predictor variable. For each categorical variable a table giving, for each attribute level, the conditional probabilities given the target class. For each numeric variable, a table giving, for each target class, mean and standard deviation of the (sub-)variable.</td></tr>
<table summary="R valueblock"> <tr valign="top"> <TD>apriori </ TD> <TD>类为因变量的分布。</ TD> </ TR> <TR VALIGN =“”> <TD>tables</ TD> <td>一个表的列表，一个用于预测变量。表给每个分类变量，为每个属性的条件概率给定的目标类。对于每一个数字变量，表给每个目标类，（子）变量的均值和标准差。</ TD> </ TR>
</table>
</ TABLE>
（作者）----------Author(s)----------
David Meyer <a href="mailto avid.Meyer@R-project.org">David.Meyer@R-project.org</a>. Laplace smoothing
enhancement by Jinghao Xue.
实例----------Examples----------
## Categorical data only:[＃分类数据：]
data(HouseVotes84, package="mlbench")
model <- naiveBayes(Class ~ ., data = HouseVotes84)
predict(model, HouseVotes84[1:10,-1])
predict(model, HouseVotes84[1:10,-1], type = "raw")
pred <- predict(model, HouseVotes84[,-1])
table(pred, HouseVotes84$Class)
## using laplace smoothing:[＃使用拉普拉斯平滑：]
model <- naiveBayes(Class ~ ., data = HouseVotes84, laplace = 3)
pred <- predict(model, HouseVotes84[,-1])
table(pred, HouseVotes84$Class)
## Example of using a contingency table:[＃示例使用列联表：]
data(Titanic)
m <- naiveBayes(Survived ~ ., data = Titanic)
m
predict(m, as.data.frame(Titanic)[,1:3])
## Example with metric predictors:[＃例如使用公制的预测：]
data(iris)
m <- naiveBayes(Species ~ ., data = iris)
## alternatively:[＃或者：]
m <- naiveBayes(iris[,-5], iris[,5])
m
table(predict(m, iris[,-5]), iris[,5])
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-17 07:47:24
