เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สำรวจความน่าจะเป็นแบบ "raw"

แพ็กเกจ naivebayes มีหลายวิธีในการตรวจสอบภายในโมเดล Naive Bayes

การพิมพ์ชื่อออบเจกต์โมเดลจะแสดงความน่าจะเป็น a priori (โดยรวม) และความน่าจะเป็นแบบมีเงื่อนไขของตัวทำนายแต่ละตัวในโมเดล ซึ่งหากต้องการ สามารถนำค่าเหล่านี้ไปคำนวณความน่าจะเป็น posterior (ที่ทำนายได้) ด้วยตนเองได้

อีกทางหนึ่ง R สามารถคำนวณความน่าจะเป็น posterior ให้อัตโนมัติ โดยระบุพารามิเตอร์ type = "prob" ในฟังก์ชัน predict()

ลองใช้วิธีเหล่านี้เพื่อตรวจสอบว่าความน่าจะเป็นของตำแหน่งที่โมเดลทำนายในเวลา 9 โมงเช้านั้นเปลี่ยนแปลงไปอย่างไรในแต่ละวัน โมเดล locmodel ที่สร้างไว้ในแบบฝึกหัดก่อนหน้าพร้อมให้ใช้งาน และได้โหลดแพ็กเกจ naivebayes ไว้ล่วงหน้าแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning in R: Classification

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พิมพ์ออบเจกต์ locmodel ไปยังคอนโซลเพื่อดูค่าความน่าจะเป็น a priori และความน่าจะเป็นแบบมีเงื่อนไขที่คำนวณได้
  • ใช้ฟังก์ชัน predict() ในลักษณะเดียวกับแบบฝึกหัดก่อนหน้า แต่เพิ่ม type = "prob" เพื่อดูความน่าจะเป็นที่ทำนายได้สำหรับวันพฤหัสบดีเวลา 9 โมงเช้า
  • เปรียบเทียบผลลัพธ์กับความน่าจะเป็นที่ทำนายได้สำหรับวันเสาร์เวลา 9 โมงเช้า

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Examine the location prediction model


# Obtain the predicted probabilities for Thursday at 9am
predict(___, ___ , type = ___)

# Obtain the predicted probabilities for Saturday at 9am
แก้ไขและรันโค้ด