There are a couple of well-known im

There are a couple of well-known implementations of Naïve Bayes in R. One of them is the naiveBayes method in the e1071 package and the other is NaiveBayes method in the klaR package. I’ll use the former for no other reason than it seems to be more popular. That said, I have used the latter too and can confirm that it works just as well.

We’ve already loaded and explored the HouseVotes84 dataset. One of the things you may have noticed when summarising the data is that there are a fair number of NA values. Naïve Bayes algorithms typically handle NA values either by ignoring records that contain any NA values or by ignoring just the NA values. These choices are indicated by the value of the variable na.action in the naiveBayes algorithm, which is set to na.omit (to ignore the record) or na.pass (to ignore the value).

Just for fun, we’ll take a different approach. We’ll impute NA values for a given issue and party by looking at how other representatives from the same party voted on the issue. This is very much in keeping with the Bayesian spirit: we infer unknowns based on a justifiable belief – that is, belief based on the evidence.

To do this I write two functions: one to compute the number of NA values for a given issue (vote) and class (party affiliation), and the other to calculate the fraction of yes votes for a given issue (column) and class (party affiliation).

Kết quả (Việt) 1:

Có một số hiện thực nổi tiếng của ngây thơ Bayes trong R. Một trong số họ là các phương pháp naiveBayes trong gói e1071 và khác là phương pháp NaiveBayes trong các gói phần mềm đã sẵn sàng. Tôi sẽ sử dụng trước đây không có lý do khác hơn là nó có vẻ là phổ biến hơn. Điều đó nói rằng, tôi đã sử dụng sau này quá và có thể xác nhận rằng nó hoạt động chỉ là tốt.Chúng tôi đã đã được nạp và khám phá bộ dữ liệu HouseVotes84. Một trong những điều bạn có thể nhận thấy khi tóm tắt dữ liệu là có một số công bằng của các giá trị NA. Thuật toán ngây thơ Bayes thường xử lý NA giá trị bằng cách bỏ qua các bản ghi có giá trị NA bất kỳ hoặc bằng cách bỏ qua chỉ có giá trị NA. Những lựa chọn này được chỉ định bởi giá trị của na.action biến trong thuật toán của naiveBayes, được thiết lập để na.omit (để bỏ qua các bản ghi) hoặc na.pass (để bỏ qua các giá trị).Chỉ cần cho vui, chúng tôi sẽ có một cách tiếp cận khác nhau. Chúng tôi sẽ qui tội NA giá trị cho một vấn đề nhất định và Đảng bằng cách nhìn vào như thế nào khác đại diện từ cùng một đảng đã bỏ phiếu về vấn đề này. Điều này là rất nhiều để phù hợp với tinh thần Bayes: chúng ta suy ra ẩn số dựa trên một niềm tin chính đáng-tức là, niềm tin dựa trên các bằng chứng.Để làm điều này tôi viết hai chức năng: một để tính toán số lượng NA giá trị cho một vấn đề nhất định (bình chọn) và lớp học (bên liên kết), và khác để tính toán các phần có phiếu cho một vấn đề nhất định (cột) và lớp học (bên liên kết).

Kết quả (Việt) 2:

Có một vài hiện thực nổi tiếng của Naïve Bayes trong R. Một trong số đó là phương pháp naiveBayes trong gói e1071 và khác là phương pháp NaiveBayes trong gói Klar. Tôi sẽ sử dụng trước đây không có lý do khác hơn là nó có vẻ là phổ biến hơn. Điều đó nói rằng, tôi đã sử dụng sau này quá và có thể xác nhận rằng nó hoạt động giống như là tốt.

Chúng tôi đã được tải và khám phá các tập dữ liệu HouseVotes84. Một trong những điều bạn có thể nhận thấy khi tổng kết dữ liệu là có một số lượng hợp lý của giá trị NA. Naïve Bayes thuật toán thường xử lý NA giá trị bằng cách bỏ qua các hồ sơ có chứa bất kỳ giá trị NA hoặc bằng cách bỏ qua các giá trị chỉ NA. Những lựa chọn này được chỉ định bởi các giá trị của na.action biến trong thuật toán naiveBayes, được thiết lập để na.omit (bỏ qua các bản ghi) hoặc na.pass (bỏ qua các giá trị).

Chỉ cần cho vui, chúng ta sẽ một cách tiếp cận khác nhau. Chúng tôi sẽ quy cho giá trị NA cho một vấn đề nhất định và đảng bằng cách nhìn vào cách các đại diện khác của cùng một đảng bình chọn về vấn đề này. Điều này là rất nhiều trong việc giữ với tinh thần Bayesian: chúng ta suy ra ẩn số dựa trên một niềm tin chính đáng - đó là, niềm tin dựa trên các bằng chứng.

Để làm được điều này tôi viết hai chức năng: một để tính toán số lượng NA giá trị cho một vấn đề nhất định ( vote) và lớp (đảng), và các khác để tính toán phần của phiếu có cho một vấn đề nhất định (cột) và lớp (đảng).