在R中，可通过e1071或caret包实现朴素贝叶斯，下面采用c1071实现。
install.packages("e1071") # 安装包 library(e1071) # 加载包数据集划分
data(iris) set.seed(123) train_index <- sample(1:nrow(iris), 0.7 * nrow(iris)) train_data <- iris[train_index, ] #训练集 test_data <- iris[-train_index, ] #测试集训练模型
model <- naiveBayes(Species ~ ., data = train_data)Naive Bayes Classifier for Discrete Predictors
Call:
naiveBayes.default(x = X, y = Y, laplace = laplace)
#先验概率，34%是山鸢尾，30%是变色鸢尾，35%是维吉尼亚鸢尾
A-priori probabilities:
Y
setosa versicolor virginica
0.3428571 0.3047619 0.3523810
#条件概率，均值、标准差
#山鸢尾的花萼长度平均 4.97，波动小
#维吉尼亚鸢尾 平均 6.59，明显更大
Conditional probabilities:
Sepal.Length
Y [,1] [,2]
setosa 4.966667 0.3741657
versicolor 5.971875 0.4887340
virginica 6.586486 0.7165357
Sepal.Width
Y [,1] [,2]
setosa 3.394444 0.4049299
versicolor 2.787500 0.3250310
virginica 2.948649 0.3500965
Petal.Length
Y [,1] [,2]
setosa 1.461111 0.1777282
versicolor 4.309375 0.4423977
virginica 5.529730 0.6235494
Petal.Width
Y [,1] [,2]
setosa 0.2555556 0.1157447
versicolor 1.3500000 0.1951013
virginica 1.9945946 0.2613490
预测与评估
# 对测试集预测 pred <- predict(model, test_data) # 查看前10个预测结果 head(pred, 10) # 混淆矩阵 table(实际类别=test_data$Species, 预测类别=pred) # 计算准确率 accuracy <- mean(pred == test_data$Species) cat("模型准确率：", round(accuracy*100, 2), "%")混淆矩阵
预测类别
实际类别 setosa versicolor virginica
setosa 14 0 0
versicolor 0 18 0
virginica 0 0 13
模型准确率： 100 %
参数调优
朴素贝叶斯的主要参数是拉普拉斯平滑（laplace），用于处理零概率问题。如果某个特征在某个类别里一次都没出现过，会算出： P(特征|类别) = 0，这个 0 会让整个分类概率直接变成 0，模型直接判断错误，出现零概率问题。
model <- naiveBayes(Species ~ ., data = train_data, laplace = 1)可视化
library(ggplot2) # 提取先验概率 prior <- data.frame( 品种 = names(nb_model$apriori), 概率 = as.numeric(nb_model$apriori) ) # 画图 ggplot(prior, aes(x=品种, y=概率, fill=品种)) + geom_bar(stat="identity") + ggtitle("朴素贝叶斯：类别先验概率") + theme_minimal()特征分布曲线
#朴素贝叶斯假设连续特征服从高斯分布，模型存了均值和标准差，可以画出每条特征的分布曲线！ # 以 Sepal.Length 为例 ggplot(iris, aes(x=Sepal.Length, fill=Species)) + geom_density(alpha=0.5) + ggtitle("花萼长度在3个品种上的分布") + theme_minimal()混淆矩阵热力图（模型准确率可视化）
# 预测 pred <- predict(nb_model, test_data) cm <- table(真实=test_data$Species, 预测=pred) # 画热力图 heatmap(cm, col=heat.colors(10), scale="none", margins=c(10,10))ggplot绘图
library(ggplot2) library(reshape2) # 1. 生成预测与混淆矩阵 pred <- predict(nb_model, test_data) cm <- table(真实 = test_data$Species, 预测 = pred) # 2. 转成长格式（ggplot2必须） cm_df <- melt(cm) # 3. 画高颜值热力图（这是最标准的版本） ggplot(cm_df, aes(x = 预测, y = 真实)) + geom_tile(aes(fill = value), color = "white", linewidth = 1) + # 白色格子线 scale_fill_gradient(low = "#F8F9FA", high = "#4285F4") + # 蓝白渐变（谷歌风） geom_text(aes(label = value), size = 6, fontface = "bold") + # 显示数字 labs( title = "朴素贝叶斯 混淆矩阵", subtitle = "测试集预测结果", x = "预测类别", y = "真实类别", fill = "样本数量" ) + theme_minimal(base_size = 14) + theme( plot.title = element_text(hjust = 0.5), plot.subtitle = element_text(hjust = 0.5), axis.text = element_text(size = 12), axis.title = element_text(size = 13) ) + coord_fixed() # 正方形格子，更好看注意事项
- 特征独立性假设可能不成立，影响模型性能。
- 对连续型数据需离散化或假设分布（如高斯朴素贝叶斯）。
- 适用于高维数据，但需注意特征相关性。
