“朴素贝叶斯分类器”工具

“朴素贝叶斯分类器”工具创建二项式或多项式概率分类模型，反映一组预测变量与分类目标变量之间的关系。朴素贝叶斯分类器假设所有预测变量彼此独立，并基于样本输入预测一组类的概率分布，从而计算属于目标变量的每个类的概率。

朴素贝叶斯分类器的主要优点之一是，即使是小型训练集，它的效果也非常好。这种优势源于一个事实，即朴素贝叶斯分类器是由每个变量的平均值和方差独立于所有其他变量进行参数化的。在许多最大概率分类问题中，需要协方差矩阵来估计预测的概率，但较小的训练集可能导致高度可变的协方差矩阵，进而降低最大化可能性预估 (MLE) 的效果。由于朴素贝叶斯分类器只需要计算每个预测变量的一维方差，因此不需要协方差矩阵，因此 MLE 不会受到小型训练集问题的影响。

在尝试根据目标"类"变量对一组观测值进行分类时，朴素贝叶斯分类器非常有用，尤其是在仅使用少量训练集和少量预测变量的情况下更是如此。朴素贝叶斯分类器会使用初始训练集开发一个模型，用于预测给定观测值属于目标变量的每个类的概率。

举个简单的例子，根据车辆的特性（例如皮卡/轿车/SUV）和客户特征（如性别、年龄等）来预测租赁新车的人是否会在租赁结束时购买该车辆。朴素贝叶斯分类器将允许用户根据训练集生成的模型对后续个人的购买情况进行"评分"。此评分过程将生成一组概率，一类是在租赁协议结束时购买的概率，一类是在租赁协议结束时不购买的概率。

此工具使用 R 工具。转至选项下载预测工具，并登录到 Alteryx 下载和许可证门户以安装 R 工具和 R 工具使用的软件包。请访问下载和使用预测工具。