RapidMiner系列：朴素贝叶斯NB_1

RM-NB-1

数据集

Credit Approval DataSet 690条样本，有缺失值

http://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening/

属性

16个属性(包括label属性)，
A1 (binominal) {b,a}
A2 (real)       {real values}
A3 (real)       {real values}
A4 (polynominal) {u,y,l,t}
A5 (polynominal) {g,p,gg}
A6 (polynominal) {c,d,cc,i,j,k,m,r,q,w,x,e,aa,ff}
A7 (polynominal) {v,h,bb,j,n,z,dd,ff,o}
A8 (real)         {real values}
A9 (binominal)  {t,f}
A10(binominal)  {t,f}
A11 (integer)    {integer values}
A12 (binominal)  {t,f}
A13(polynominal) {g,p,s}
A14(integer)       {integer values}
A15(integer)       {integer values}
Class(label attribute): 两个标签{+,-}, type应该在RP中被设置为binominal。

训练过程

1 数据导入(数据属性设置，角色设置，类型设置)

设置属性名称，类型，角色

最后一个att16 为label

数据导入完成

数据预处理

重命名属性，过滤缺失值，离散化

过滤缺失值，过滤后数据量减少

数据离散化，将数值型变为标称型

模型训练，测试和性能验证

performance 选择bin 二分类

结果：