R中的多项式朴素贝叶斯分类器-Java 学习之路

我再问这个问题（同名）Multinomial Naive Bayes Classifier . 这个问题似乎已经接受了一个答案，我认为这个答案是错误的，或者我不理解 .

到目前为止，我在R中看到的每个Naive Bayes分类器（包括bnlearn和klaR）都有假设这些特征具有高斯可能性的实现 .

在R中是否存在使用多项式可能性（类似于scikit-learn's MultinomialNB）的朴素贝叶斯分类器的实现？

特别是 - 如果事实证明有一些方法在这些模块中的任何一个中调用 naive.bayes ，那么用多项分布估计可能性 - 我真的很感激's done. I' ve如何搜索示例并且没有找到任何 . 例如：这是 usekernal 中的 usekernal 参数是什么？

1 回答

我不知道 predict 方法在 naive.bayes 模型上调用的算法，但您可以从条件概率表中自己计算预测（mle估计）

# You may need to get dependencies of gRain from here
#   source("http://bioconductor.org/biocLite.R")
#   biocLite("RBGL")

    library(bnlearn)
    library(gRain)

使用 naive.bayes 帮助页面中的第一个示例

data(learning.test)

    # fit model
    bn <- naive.bayes(learning.test, "A")   

    # look at cpt's
    fit <- bn.fit(bn, learning.test)    

    # check that the cpt's (proportions) are the mle of the multinomial dist.
    # Node A:
    all.equal(prop.table(table(learning.test$A)), fit$A$prob)
    # Node B:
    all.equal(prop.table(table(learning.test$B, learning.test$A),2), fit$B$prob)


    # look at predictions - include probabilities 
    pred <- predict(bn, learning.test, prob=TRUE)
    pr <- data.frame(t(attributes(pred)$prob))
    pr <- cbind(pred, pr)

    head(pr, 2)

#   preds          a          b          c
# 1     c 0.29990442 0.33609392 0.36400165
# 2     a 0.80321241 0.17406706 0.02272053

通过运行查询从cpt计算预测概率 - 使用'gRain'

# query using junction tree- algorithm
    jj <- compile(as.grain(fit))

    # Get ptredicted probs for first observation
    net1 <- setEvidence(jj, nodes=c("B", "C", "D", "E", "F"), 
                                         states=c("c", "b", "a", "b", "b"))

    querygrain(net1, nodes="A", type="marginal")

# $A
# A
#        a         b         c 
# 0.3001765 0.3368022 0.3630213 

    # Get ptredicted probs for secondobservation
    net2 <- setEvidence(jj, nodes=c("B", "C", "D", "E", "F"), 
                                         states=c("a", "c", "a", "b", "b"))

    querygrain(net2, nodes="A", type="marginal")

# $A
# A
#         a          b          c 
# 0.80311043 0.17425364 0.02263593

所以这些概率非常接近你从 bnlearn 得到的并且使用mle计算，

回复于 2024-05-05T11:18:44+08:00

R中的多项式朴素贝叶斯分类器

1 回答

相关问题