R中的朴素贝叶斯：如何将对象分类为新的“未分类”类

Posted 2023-03-12

【中文标题】R中的朴素贝叶斯：如何将对象分类为新的“未分类”类

【英文标题】：Naive Bayes in R: How to classify object into new "Unclassified" class

【发布时间】：2016-09-16 05:19:15

【问题描述】：

所以我有包含 4 个类的对象的数据集。我正在使用朴素贝叶斯分类器对新对象进行分类。是否可以确定新对象是否真的不应该属于任何类（= 以某种方式插入新类“未分类”）？

convert_counts <- function(x) 
x <- ifelse(x > 0, 1, 0)
x <- factor(x, levels = c(0, 1), labels = c("No", "Yes"))
return(x)

sntcs_train1 <- apply(sntcs_train1, MARGIN = 2, convert_counts)
sntcs_test1 <- apply(sntcs_test1, MARGIN = 2, convert_counts)
library(e1071)
sntcs_classifier <- naiveBayes(sntcs_train1, sntcs_train$Author)
sntcs_test_pred <- predict(sntcs_classifier, sntcs_test1)

【问题讨论】：

直接的方法是获取一些应该是“未分类”的数据示例，并将它们提供给naiveBayes（因此您将拥有 5 个类而不是 4 个）。您可能还会想到一种通过具有 4 个类的算法获取概率并以某种方式建立标准 ==> 的方法，但这确实是任意的。干杯。

【参考方案1】：

技术上是可以的。您使用的是多项式朴素贝叶斯分类器。数学可以表示如下：

                         P(B|A)*P(A)
  P(A|B) =           ____________________

           P(B|A)*P(A) + P(B|C)*P(C) +...+P(B|n)*P(n)

其中 A 到 n 是您要分类的不同类别，P(B|A) 是 B 发生的概率，假设 A 已经发生，P(A) 是 A 发生的概率。

如果要添加第 5 个“未分类”分类，则必须弄清楚以下两个值：

P(B| unclassified)*P(unclassified)

A 未被分类的概率就是

1-P(A)-P(B)-P(C)-P(D)

对于您当前的 4 个课程中的每一个。但是，您仍然需要运行必要的分析来弄清楚您的

P(B| unclassified)

术语应该是。