naivebayes

2热度

1回答

我试图在PySpark运行我的数据朴素贝叶斯分类器1.3 这里是我的数据样本：使用文本文件，我将它转换成一个LabeledPoint对象 67，[0,1,2,3,4,5,6,8,9,10,11,12,13,14,15,16,17,18,19,20， 21,22,23,24,25,26,27,28,29,30,31,32,3 ..... 60,66]，[0.45,0.441666666667,0.

1热度

1回答

TfIdf矩阵为BernoulliNB返回错误的特征数量

使用python lib sklearn，我尝试从训练集中提取特征并用这些数据拟合BernoulliNB分类器。分类器未经训练后，我想要预测（分类）一些新的测试数据。不幸的是我得到这个错误： Traceback (most recent call last): File "sentiment_analysis.py", line 45, in <module> main() File "s

1热度

1回答

如何将Naive Bayes模型应用到新数据中

今天早上我问了一个问题，但是我删除了这个问题，并在这里发布了更多的betterer措辞。我使用火车和测试数据创建了我的第一个机器学习模型。我返回了一个混淆矩阵，并看到一些汇总统计信息。我现在想将模型应用于新数据来做出预测，但我不知道如何。上下文：预测每月“流失”取消。目标变量是“搅动”的，它有两个可能的标签“搅动”和“不搅动”。 head(tdata) months_subscri

1热度

1回答

新的Python安装;脚本运行速度非常慢

当前Python版本2.7.10 - 我试过从python.org和Anaconda发行版直接下载。以前的Python版本是2.7.x（不记得） - 我知道这是一个Enthought Canopy发行版。我只是'升级'窗口从7到10PRO。我重新安装了计算机上的所有内容，以便重新开始。我安装了最新版本的Python 2.7.10。我现在正在运行我昨天在Windows 7操作系统上运行的一个脚本

2热度

1回答

稀疏矢量，它们是什么？

我在内部使用Mahout API进行朴素贝叶斯分类器。其中一个功能是SparseVectorsFromSequenceFiles，虽然我尝试了旧的Google搜索，但我仍然没有说明稀疏向量是什么。最接近我的解释是这个site这并没有帮助我理解tbh。

3热度

1回答

为什么预测一个因子为0的输出？

我生成使用e1071朴素贝叶斯分类，然后运行以下 test <- as.data.frame(readRDS('ContactsComplaints2014.rds')) load(file='data2015.nb.RData') prediction <- predict(data2015.nb,subset(test[1:3000,], select=-c(didComplain)))

1热度

1回答

计算朴素贝叶斯分类的概率

我有一个包含分类和连续属性的数据集。我想要应用朴素贝叶斯分类方法来分类数据。如何计算这两种类型的概率？我应该使用count方法来计算分类数据，并假设一些分布和从连续数据计算？

0热度

1回答

贝叶斯分类器的程序来预测类使用的JTable

朴素贝叶斯程序与下面的参数来预测一个人的工作类型给Java中的信息：年龄：30，Qualication：MTech的，经验：8 .. WorkType Age Qualication Experience Consultancy 30 Ph.D. 9 Service 21 MTech. 1 Research 26 MTech. 2

0热度

1回答

创建一个自定义的数字区域weka

您好，我想在WEKA中创建一个如下cusotm数字区域。我看到了一些示例，但仍然困惑我如何模仿我的问题。我正尝试将它用于朴素贝叶斯分类器。 attributes = {long, sweet, colour} long = {yes, no} sweet = {yes, no} colour = {yellow, other} fruits = {banana, orange, other

1热度

1回答

R，e1071库中的朴素贝叶斯：拟合模型给出apriori概率作为每个记录的预测

我使用e1071库中的朴素贝叶斯。我有一个名字下面玩具数据集nb0.csv N_INQUIRIES_BIN,TARGET 1,0 2,1 2,0 1,0 1,0 1,0 1,1 然后我用下面的代码行 library(e1071) data = read.csv('d:/nb0.csv') model <- naiveBayes(as.factor(data[, 'N_INQU