《表1 模型预测效果比较：朴素贝叶斯算法与车辆风险分类》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《朴素贝叶斯算法与车辆风险分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:（）内数值为预测样本数占行样本数的百分比，如0.84=417/480。

为验证建立模型的拟合效果，首先利用caret包中函数createDataPartition将提取的数据拆分成两部分，一部分为训练数据，一部分为检验数据，分别占总样本量的75%和25%，即ntrn=2 110，ntst=702，且训练数据中索赔占31.7%，检验数据中索赔占31.6%。基于训练数据，朴素贝叶斯算法使用caret包中train函数，建立一个概率模型，利用该模型对检验数据进行预测分析，Logistic回归模型是基于R中glm[10]函数建立的，两种分类方法的分类效果如表1所示。检验数据样本量为702，发生索赔的有222个，无索赔的有480个。