尝试使用 "bnlearn" 实现一个简单的朴素贝叶斯分类器。不断出现错误 "variables must be either numeric, factors or ordered factors"
Trying to implement a simple Naive Bayes classifier using "bnlearn". Keep getting error "variables must be either numeric, factors or ordered factors"
我正在尝试通过重新创建给我的数据结果在 R 中实现 NB 分类器。现在我只是在测试训练数据本身，看看准确度如何。
数据集中有 29 个变量，其中一个名为 "Status"。它有两个值，赢和输。我将训练数据分成大约 2/3 的训练，1/3 的测试。目标是确定状态预测的准确性是赢还是输。
我想我理解错误，因为 "Win" 和 "Lose" 不是数值，但据我了解，它们不是因子吗？我将在下面 post 我的代码。我使用 http://www.bnlearn.com/documentation/man/naive.bayes.html 中的 bnlearn 示例作为我的基础。如果有更好的例子，请告诉我。
#Read in training data
trainingdata <- read.csv("C:\.....filepath.csv", header=T)
#Split data into training and test sets
training.set = trainingdata[1:1200, ]
test.set = trainingdata[1201:1860, ]
#Train model
bn = naive.bayes(training.set, "Status")
fitted = bn.fit(bn, training.set)
#Predict
pred = predict(fitted, test.set)
table(pred, test.set[, "Status"])
我开始从 bn = naive.bayes(training.set, "Status") 行得到错误。具体错误说 "Error in data.type(x) : variables must be either numeric, factors or ordered factors
有什么方法可以让 bnlearn 认识到 "Status" 是一个因素。
多年后回想起来，我意识到我从未用答案更新它，从那以后也没有人发布解决方案让我接受。
Cotton.Rockwood的假设是正确的。使用bnlearn的朴素贝叶斯分类器，所有的变量都需要是因子，否则会遇到这个错误。
我正在尝试通过重新创建给我的数据结果在 R 中实现 NB 分类器。现在我只是在测试训练数据本身，看看准确度如何。
数据集中有 29 个变量，其中一个名为 "Status"。它有两个值，赢和输。我将训练数据分成大约 2/3 的训练，1/3 的测试。目标是确定状态预测的准确性是赢还是输。
我想我理解错误，因为 "Win" 和 "Lose" 不是数值，但据我了解，它们不是因子吗？我将在下面 post 我的代码。我使用 http://www.bnlearn.com/documentation/man/naive.bayes.html 中的 bnlearn 示例作为我的基础。如果有更好的例子，请告诉我。
#Read in training data
trainingdata <- read.csv("C:\.....filepath.csv", header=T)
#Split data into training and test sets
training.set = trainingdata[1:1200, ]
test.set = trainingdata[1201:1860, ]
#Train model
bn = naive.bayes(training.set, "Status")
fitted = bn.fit(bn, training.set)
#Predict
pred = predict(fitted, test.set)
table(pred, test.set[, "Status"])
我开始从 bn = naive.bayes(training.set, "Status") 行得到错误。具体错误说 "Error in data.type(x) : variables must be either numeric, factors or ordered factors
有什么方法可以让 bnlearn 认识到 "Status" 是一个因素。
多年后回想起来，我意识到我从未用答案更新它，从那以后也没有人发布解决方案让我接受。
Cotton.Rockwood的假设是正确的。使用bnlearn的朴素贝叶斯分类器，所有的变量都需要是因子，否则会遇到这个错误。