想定外への備え
Brett は13週間にわたって自分の位置情報を記録しましたが、その間に週末にオフィスへ行くことは一度もありませんでした。結果として、P(office and weekend) の同時確率は 0 になります。
これが、将来 Brett が週末に仕事へ行くと予測される確率にどのような影響を与えるかを確認しましょう。あわせて、Laplace 補正を使うことで、このような想定外の事象にもわずかな可能性を与えられることを見てみます。
モデル locmodel とデータフレーム weekend_afternoon が用意されています。naivebayes パッケージもあらかじめ読み込まれています。
この演習はコースの一部です
Rで学ぶSupervised Learning：分類
演習の手順
- 週末の午後に対する予測確率を出力するために、
predict()関数を使ってlocmodelから予測を行います。type引数の設定を忘れないでください。 - Laplace スムージング係数を
1に設定した新しい naive Bayes モデルを作成します。naive_bayes()の呼び出しでlaplace引数を指定してください。結果をlocmodel2として保存します。 - 新しいモデルに対して
predict()関数を使い、更新後の予測確率がどのように変わるかを比較してみましょう。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Observe the predicted probabilities for a weekend afternoon
# Build a new model using the Laplace correction
locmodel2 <- ___
# Observe the new predicted probabilities for a weekend afternoon