1. सीखें
    2. /
  2. पाठ्यक्रम
    3. /
  3. Rで学ぶSupervised Learning：分類
Connected

अभ्यास

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。

निर्देश

100 XP
  • 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。