インターネットには非常に複雑な例があります。私は自分のコードにそれらを適用できませんでした。私は14の独立変数と1つの従属変数からなるデータセットを持っています。私はRで分類しています。私のコードは以下の通りです:Rのnaive bayes分類アルゴリズムのrocカーブ解析はどのように実装できますか?
dataset <- read.table("adult.data", sep = ",", na.strings = c(" ?"))
colnames(dataset) <- c("age",
"workclass",
"fnlwgt",
"education",
"education.num",
"marital.status",
"occupation",
"relationship",
"race",
"sex",
"capital.gain",
"capital.loss",
"hours.per.week",
"native.country",
"is.big.50k")
dataset = na.omit(dataset)
library(caret)
set.seed(1)
traning.indices <- createDataPartition(y = dataset$is.big.50k, p = 0.7, list = FALSE)
training.set <- dataset[traning.indices,]
test.set <- dataset[-traning.indices,]
###################################################################
## Naive Bayes
library(e1071)
classifier = naiveBayes(x = training.set[,-15],
y = training.set$is.big.50k)
prediction = predict(classifier, newdata = test.set[,-15])
cm <- confusionMatrix(data = prediction, reference = test.set[,15],
positive = levels(test.set$is.big.50k)[2])
accuracy <- sum(diag(as.matrix(cm)))/sum(as.matrix(cm))
sensitivity <- sensitivity(prediction, test.set[,15],
positive = levels(test.set$is.big.50k)[2])
specificity <- specificity(prediction, test.set[,15],
negative = levels(test.set$is.big.50k)[1])
私はこれを試しました。出来た。間違いはありますか?変換プロセスに問題はありますか? (as.numeric()メソッドの場合)
ライブラリ(ROCR) pred <予測(as.numeric(予測)as.numeric(test.set [、15])) perf <パフォーマンス= "tpr"、x.measure = "fpr") plot(perf、main = "NBのROC曲線"、 col = "青"、lwd = 3) abline(a = 0、b = 1、lwd = 2、LTY = 2)
あなたは 'brms' Rパッケージを知っていますか? – patL
私は分類をしています。回帰パッケージです。 @patL – FK7