用R语言构建朴素贝叶斯分类器

用R语言构建朴素贝叶斯分类器

朴素贝叶斯分类器是一种基于概率统计的机器学习算法，广泛应用于文本分类、垃圾邮件过滤、情感分析等领域。在本文中，我将介绍如何使用R语言构建一个朴素贝叶斯分类器，并提供相应的源代码。

首先，我们需要安装并加载相关的R包，以便后续使用。在R控制台中执行以下代码来安装所需的包：

install.packages("e1071")
library(e1071)

接下来，我们需要准备用于训练和测试的数据集。假设我们有一个包含多个特征和一个目标类别的数据集。在这个示例中，我们将使用鸢尾花数据集（Iris Dataset）作为演示。

# 加载鸢尾花数据集
data(iris)

# 将数据集分为训练集和测试集
set.seed(123)
trainIndex <- sample(1:nrow(iris), 0.7*nrow(iris))
trainData <- iris[trainIndex, ]
testData <- iris[-trainIndex, ]

现在，我们已经准备好数据集，接下来是构建朴素贝叶斯分类器模型的步骤。

# 构建朴素贝叶斯分类器模型
naiveBayesModel <- naiveBayes(Species ~ ., data = trainData)

这里我们使用naiveBayes函数从训练数据