Почему naiveBayes возвращает все NA для многоклассической классификации в R?

Question

Начал писать этот вопрос, а затем выяснил ответ. Собираюсь поместить его сюда для потомков, так как было трудно найти ответы на это.

Я пытаюсь использовать классификатор naiveBayes из пакета e1071. Кажется, что нет никаких проблем с получением прогнозов для новых данных, но мне действительно нужны оценки вероятности для классов новых данных.

Пример:

> model <- naiveBayes(formula=as.factor(V11)~., data=table, laplace=3) 
> predict(model, table[,1:10]) 
[1] 4 4 4 4 4 4 4 4 1 1 1 3 3 1 1 
> predict(model, table[,1:10], type="raw") 
     1 2 3 4 
[1,] NA NA NA NA 
[2,] NA NA NA NA 
[3,] NA NA NA NA 
[4,] NA NA NA NA 
[5,] NA NA NA NA 
[6,] NA NA NA NA 
[7,] NA NA NA NA 
[8,] NA NA NA NA 
[9,] NA NA NA NA 
[10,] NA NA NA NA 
[11,] NA NA NA NA 
[12,] NA NA NA NA 
[13,] NA NA NA NA 
[14,] NA NA NA NA 
[15,] NA NA NA NA 

Это кажется абсурдным мне, так как тот факт, что модель способна выводить предсказания означает, что он должен иметь оценки вероятности для классов. Что вызывает это странное поведение?

Некоторые вещи, которые я уже пытались без успеха:

• добавив тип = «сырым» для построения модели вызова.
• Использование NaiveBayes функции из пакета Klar вместо (который не может справиться с

Пример некоторых данных, который производит эту ошибку:.

table[1:5,] 
    V1 V2  V3   V4  V5  V6  V7  V8  V9 
1 0 0 0.000000 0.0000000 0.000000 0.0000000 0.6711444 0.7110409 0.0000000 
2 0 0 0.000000 0.0000000 -1.345804 2.1978370 0.6711444 0.7110409 0.0000000 
3 0 0 1.923538 -3.6718725 0.000000 0.0000000 0.0000000 0.0000000 0.8980172 
4 0 0 1.923538 -0.4079858 0.000000 0.0000000 0.0000000 0.0000000 0.8980172 
5 0 0 0.000000 0.0000000 -1.345804 0.2930449 0.6711444 0.7110409 0.0000000 
     V10 V11 
1 0.0000000 6 
2 0.0000000 3 
3 -3.1316213 2 
4 -0.2170431 5 
5 0.0000000 4 

Answer 1

Это происходит потому, что один из классов набор данных имеет только один экземпляр.

Простым решением для моего приложения было клонирование этой записи и добавление небольшого количества шума, после чего предсказание работает должным образом.

Редактировать: на самом деле кажется, что добавление шума не всегда требуется. Вот очень простой пример, который разрешает набор данных размещены в вопросе, просто добавив дополнительную копию каждой строки в таблице:

> table <- as.data.frame(rbind(as.matrix(table),as.matrix(table)) 
> nms <- colnames(table) 
> model <- naiveBayes(table[,1:length(nms)-1], factor(table[,length(nms)])) 
> predict(model, table[,1:(length(nms)-1)], type='raw') 
       2   3   4   5   6 
[1,] 2.480502e-34 6.283185e-12 6.283185e-12 2.480502e-34 1.000000e+00 
[2,] 1.558542e-45 9.999975e-01 2.506622e-06 1.558542e-45 6.283170e-12 
[3,] 1.000000e+00 1.558545e-45 1.558545e-45 6.283185e-12 2.480502e-34 
[4,] 6.283185e-12 1.558545e-45 1.558545e-45 1.000000e+00 2.480502e-34 
[5,] 1.558542e-45 2.506622e-06 9.999975e-01 1.558542e-45 6.283170e-12 
[6,] 2.480502e-34 6.283185e-12 6.283185e-12 2.480502e-34 1.000000e+00 
[7,] 1.558542e-45 9.999975e-01 2.506622e-06 1.558542e-45 6.283170e-12 
[8,] 1.000000e+00 1.558545e-45 1.558545e-45 6.283185e-12 2.480502e-34 
[9,] 6.283185e-12 1.558545e-45 1.558545e-45 1.000000e+00 2.480502e-34 
[10,] 1.558542e-45 2.506622e-06 9.999975e-01 1.558542e-45 6.283170e-12