我需要通过在R中进行留一法式交叉验证来为wbca
数据集中的每个变量使用多项式分布来计算朴素贝叶斯分类器的混淆矩阵。
注意,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。我不知道从哪里开始,因为我是机器学习的新手。
我认为应该采用的方法是首先实现朴素贝叶斯分类器,然后执行LOOCV,然后计算混淆矩阵。我不确定这是否正确,如果正确,那么我不知道如何用代码写出来。
任何见识或帮助将不胜感激!
library(faraway)
library(naivebayes)
library(caret)
predictors = !grepl("Class",colnames(wbca))
label = "Class"
res = lapply(1:nrow(wbca),function(i){
fit = multinomial_naive_bayes(y=factor(wbca[-i,label]),
x=as.matrix(wbca[-i,predictors]),prior=c(1/3,2/3))
data.frame(label=wbca[i,label],
pred = predict(fit,as.matrix(wbca[i,predictors],nrow=1))
)
})
res = do.call(rbind,res)
confusionMatrix(factor(res$label,levels=0:1),res$pred)
Confusion Matrix and Statistics
Reference
Prediction 0 1
0 197 41
1 20 423
Accuracy : 0.9104
95% CI : (0.8864, 0.9308)
No Information Rate : 0.6814
P-Value [Acc > NIR] : < 2e-16
Kappa : 0.7989
Mcnemar's Test P-Value : 0.01045
Sensitivity : 0.9078
Specificity : 0.9116
Pos Pred Value : 0.8277
Neg Pred Value : 0.9549
Prevalence : 0.3186
Detection Rate : 0.2893
Detection Prevalence : 0.3495
Balanced Accuracy : 0.9097
'Positive' Class : 0