基于R语言的多分类建模研究

夏贞丽

【摘要】贝叶斯判别法是假定对研究对象已有一定的认识， 并且它是常用先验分布来描述，取得样本之后，就可以是样本来修正原先的先验概率分布，得出后验概率分布。本文将使用贝叶斯判别方法对数据集iris进行分类。

【关键词】贝叶斯判别 R语言 多分类问题

一、贝叶斯判别方法的理论基础

贝叶斯判别的其实是找到一种判别方法， 当平均误判损失达到最小时，也就是相应的概率达到最大.

假设样本共有K类，分别是，X1，X2…Xk，相应的先验概率为，p1，p2…p3，并假设所有错判损失相同，因此相应的判别准则为

程序分别考虑了总体协方差阵相同和协方差阵不同的情况。输入变量TrnX表示训练样本，其输入格式是矩阵（样本按行输入）或数据框。TrnG是因子变量，表示训练样本的分类情况，输入变量p是先验概率，默认值均为1.输入变量Tst是待测样本，其输入格式是矩阵（样本按行输入），数据框或向量（一个待测样本）。如果不输入TstX（默认值），则待测样本是训练样本，输入变量var.equal是逻辑变量，var.equal=TRUE表示认为总体协方差阵相同：否则（默认值）是不同的。函数的输出是由数字构成一维矩阵，数字表示相应的类。

三、贝叶斯判别法的结果分析

数据：Iris数据集有四个属性，萼片的长度，萼片的宽度，花瓣长度和花瓣宽度，数据共有150个样本，分为3类，前50个数据是第一类——Setosa，中间的50个数据是第二类——Versicolor，最后50个数据集是第三类——Virginica。

分析：从计算的结果可以得到，只有第71，73，84号样本错判，回带的判别正确率为147/150=98%.

参考文献

[1]薛毅，陈立萍.R統计建模与R软件[M].清华大学出版社.

[2]张亚萍，胡学钢.基于K-means的朴素贝叶斯分类算法的研究[J].计算机技术与发展，2007：33-35.

[3]周颜军，王双成等.基于贝叶斯网络的分类器研究[J].东北师大学报（自然科学版），2003，（2）：25-31.endprint