如何在 R 中使用无预测功能修复 predict.naive_bayes

Question

我有一个包含 45045 个变量的数据框，在 R 中只有 90 个观察值。 我做了一个 PCA 来减少维度，我将使用 14 个主成分。 我需要做预测，我想尝试使用朴素贝叶斯方法。 我不能将预测 function 与转换后的数据一起使用，我不理解错误。

这是一些代码：

data.pca <- prcomp(data)

我将使用 14 台电脑：

newdata <- as.data.frame(data.pca$x[,1:14]) #dimension: 90x14

训练：

图书馆（朴素贝叶斯）

mod.nb <- naive_bayes(label ~ newdata$PC1+...+newdata$PC14, data = NULL)

Tryna 预测第 50 个观测值：

test.pca <- predict(data.pca, newdata = data[50,])

test.pca <- as.data.frame(test.pca)

test.pca <- test.pca[,1:14]

pred <- predict(mod.nb, test.pca)

我收到这些错误：

predict.naive_bayes(): Only 0 feature(s) out of 14 defined in the naive_bayes object "mod.nb" are used for prediction.

predict.naive_bayes(): No feature in the newdata corresponds to probability tables in the object. Classification is done based on the prior probabilities

标签向量是一个级别为 1 到 6 的因子，对于我尝试预测结果的任何观察结果都只有 1。例如，第 50 个观察结果的 label 为 4。

Answer 1

您可以尝试仅从您的代码修改的以下代码

data.pca <- prcomp(data)

newdata <- as.data.frame(data.pca$x[,1:14])
library(naivebayes)

mod.nb <- naive_bayes(label ~ newdata$PC1+...+newdata$PC14, data = newdata)

test.pca <- predict(mod.nb, newdata = newdata[50,])