Titanic Kaggle 데이터 세트 Naive Bayes 분류기 오류 R 프로그래밍

Question

Kaggle - Titanic 데이터 세트 ("train.csv"및 "test.csv"의 경우 URL- https://www.kaggle.com/c/titanic/data)에 대해 순진한 bayes 분류기를 교육하려고합니다. 그러나, '출력'정말 아무것도 포함하지 않는

library(e1071) 

train_d <- read.csv("train.csv", stringsAsFactors = TRUE) 

# columns chosen for training data- 
# colnames(TD) OR names(TD) 
# "Survived", "Pclass", "Sex", "Age", "SibSp", "Parch","Embarked" 
train_data <- train_d[, c(2:3, 5:8, 12)] 

# to find out which columns contain NA (missing values)- 
colnames(train_data)[apply(is.na(train_data), 2, any)] 

# mean(TD$age, na.rm = TRUE) # to find mean of 'age' which contains 'NA' 
# which(is.na(age)) 

# fill in missing value (NA) with mean of 'Age' column- 
train_data$Age[which(is.na(train_data$Age))] <- mean(train_data$Age, na.rm = TRUE) 

# check whether there are any existing NAs- 
which(is.na(train_data$Age)) 
# OR- 
colnames(train_data)[apply(is.na(train_data), 2, any)] 


test_d <- read.csv("test.csv", stringsAsFactors = TRUE) 

# columns chosen for training data- 
# "Pclass", "Sex", "Age", "SibSp", "Parch", "Embarked" 
test_data <- test_d[, c(2, 4:7, 11)] 

# find out missing values (NA)- 
colnames(test_data)[apply(is.na(test_data), 2, any)] 

# fill in missing value (NA) with mean of 'Age' column- 
test_data$Age[which(is.na(test_data$Age))] <- mean(test_data$Age, na.rm = TRUE) 

# check whether there are any existing NAs- 
which(is.na(train_data$Age)) 
# OR- 
colnames(train_data)[apply(is.na(train_data), 2, any)] 




# training a naive-bayes classifier- 
titanic_nb <- naiveBayes(Survived ~ Pclass + Sex + Age + SibSp + Parch + Embarked, data = train_data) 


# predict using trained naive-bayes classifier- 
output <- predict(titanic_nb, test_data, type = "class") 

follows-로

내가 지금까지 함께 온 코드입니다. '출력'변수의 출력은

> output 
factor(0) 
Levels: 

무엇이 잘못 되었나요?

감사합니다.

Answer 1

Here is the answer : 원래 질문이 삭제되어 웹 캐시 링크가됩니다.

data.matrix(test_data)을 실행하면 모델에서 문자 열을 처리하는 방법을 실제로 알 수 없기 때문입니다.

해결 방법은 먼저 문자 열을 요인으로 변환하여 열차와 테스트의 요인 수준이 일치하는지 확인하는 것입니다.

참고로 Random Forest로 시작하는 것이 좋습니다. 일반적으로 임의의 매개 변수를 조정하지 않고도 성능이 뛰어나고 Gaussian 배포판을 사용하는 NB와는 달리 변수 배포는 신경 쓰지 않습니다.