ML3.1 介绍e1071包实施朴素贝叶斯分类的函数，本例使用klaR包中的NaiveBayes函数，因为该函数较之前者增加了两个功能，一个是可以输入先验概率，另一个是在正态分布基础上增加了核平滑密度函数。为了避免过度拟合，在训练时还要将数据分割进行多重检验，所以我们还使用了caret包的一些函数进行配合。

    caret：：train

    语法： train(form, data, ..., weights, subset, na.action = na.fail, contrasts = NULL)

• 安装程序包

  install.packages("caret")
  install.packages("mlbench")
  install.package("klaR")

• 创建训练集和测试集

  index <-sample(1:nrow(iris), 100)
  iris.train <-iris[index, ]
  iris.test <-iris[-index, ]

• 加载包 使用朴素贝叶斯建模

  fitControl <- trainControl(method = "repeatedcv", number = 10, repeats = 3,returnResamp = "all")
  model1 <- train(Species~., data = http://www.mamicode.com/iris.train,method=‘nb‘,trControl = fitControl)

• 返回测试数据的混淆矩阵

  > pred3 <- predict(model1, iris.test, type="raw")
  > table(pred3,iris.test$Species)
              
  pred3        setosa versicolor virginica
    setosa         10          0         0
    versicolor      0         18         2
    virginica       0          0        20

ML(3.2): NavieBayes R_kalR