.
# Clasificador bayesiano ingenuo - naiveBayes
# Clasifica clases preestablecidas
# No tiene requerimientos para las variables
 
library(e1071)
data(iris)
 
# Selección de una submuestra de 105 (el 70% de los datos)
set.seed(101)
iris.indices <- sample(1:nrow(iris),size=105)
iris.entrenamiento <- iris[iris.indices,]
iris.test <- iris[-iris.indices,]
 
model <- naiveBayes(Species ~ ., data = iris.entrenamiento)
 
# Importancia de cada variable
model$importance
 
# predict necesita el parámetro newdata
results <- predict(object = model, newdata=iris.test, type = "class")
 
mc <- table(results,iris.test$Species)
 
# Correctamente clasificados
100 * sum(diag(mc)) / sum(mc)
 
Probar este programa
> # Clasificador bayesiano ingenuo - naiveBayes
> # Clasifica clases preestablecidas
> # No tiene requerimientos para las variables
>
> library(e1071)
> data(iris)
>
> # Selección de una submuestra de 105 (el 70% de los datos)
> set.seed(101)
> iris.indices <- sample(1:nrow(iris),size=105)
> iris.entrenamiento <- iris[iris.indices,]
> iris.test <- iris[-iris.indices,]
>
> model <- naiveBayes(Species ~ ., data = iris.entrenamiento)
>
> # Importancia de cada variable
> model$importance
NULL
>
> # predict necesita el parámetro newdata
> results <- predict(object = model, newdata=iris.test, type = "class")
>
> mc <- table(results,iris.test$Species)
>
> # Correctamente clasificados
> 100 * sum(diag(mc)) / sum(mc)
[1] 93.33333