R语言计算朴素贝叶斯分类模型,感知机分类模型和支持向量机分类模型的交叉验证误差和训练误差的代码
时间: 2024-05-20 16:11:49 浏览: 150
朴素贝叶斯分类的代码
4星 · 用户满意度95%
下面是R语言计算朴素贝叶斯分类模型、感知机分类模型和支持向量机分类模型的交叉验证误差和训练误差的示例代码:
## 朴素贝叶斯分类模型
library(e1071)
data(iris)
nbFit <- naiveBayes(Species ~ ., data = iris)
nbFit
# 训练误差
table(predict(nbFit), iris$Species)
mean(predict(nbFit) == iris$Species)
# 交叉验证误差
nbFit.cv <- naiveBayes(Species ~ ., data = iris, method = "cv")
nbFit.cv
## 感知机分类模型
library(e1071)
data(iris)
ppFit <- svm(Species ~ ., data = iris, kernel = "linear")
ppFit
# 训练误差
table(predict(ppFit), iris$Species)
mean(predict(ppFit) == iris$Species)
# 交叉验证误差
ppFit.cv <- svm(Species ~ ., data = iris, kernel = "linear", method = "cv")
ppFit.cv
## 支持向量机分类模型
library(e1071)
data(iris)
svmFit <- svm(Species ~ ., data = iris, kernel = "radial")
svmFit
# 训练误差
table(predict(svmFit), iris$Species)
mean(predict(svmFit) == iris$Species)
# 交叉验证误差
svmFit.cv <- svm(Species ~ ., data = iris, kernel = "radial", method = "cv")
svmFit.cv
阅读全文