我正在使用遥远软件包中的wbca数据。恶性肿瘤的先验概率为π0= 1/3,良性肿瘤的先验概率为π1= 2/3。
[我正在尝试将朴素的贝叶斯分类器与多项式一起使用,以查看9个特征中是否有一个很好的子集,使用LOOCV进行分类要比完整分类更好。
我不确定从何处开始,因此任何Rcode帮助都将非常有用。谢谢!
您可以在下面尝试,预测变量的内核估计可能不是最准确的,但是您可以从以下内容开始:
library(faraway)
library(naivebayes)
library(caret)
x = wbca[,!grepl("Class",colnames(wbca))]
y = factor(wbca$Class)
ctrl <- rfeControl(functions = nbFuncs,
method = "LOOCV")
bayesProfile <- rfe(x, y,
sizes = subsets,
rfeControl = ctrl)
bayesProfile
Recursive feature selection
Outer resampling method: Leave-One-Out Cross-Validation
Resampling performance over subset size:
Variables Accuracy Kappa Selected
2 0.9501 0.8891
3 0.9648 0.9225
4 0.9648 0.9223
5 0.9677 0.9290
6 0.9750 0.9454 *
7 0.9692 0.9322
8 0.9750 0.9455
9 0.9662 0.9255
The top 5 variables (out of 6):
USize, UShap, BNucl, Chrom, Epith
您可以获得最佳变量:
bayesProfile$optVariables
[1] "USize" "UShap" "BNucl" "Chrom" "Epith" "Thick"