R和Spark-ML的朴素贝叶斯精度比较

我比较了R和Spark ML之间朴素贝叶斯分类器的准确性，并得到了连续和分类数据集的以下结果

连续数据集

准确度 R-95% Spark ML-89%

分类数据集

准确度 R-84% Spark ML-75%

我想在生产中使用Spark Naive Bayes算法，请指导我最小化R和Spark ML的精度之间的差异（我使用OnehotEncoder将分类转换为双精度）

---

请帮助我理解为什么两种输出存在差异，这与问题无关，但-为什么要将分类数据编码为双倍？Naive bayes是为分类数据定义的，连续方法实际上是一种泛化（需要额外的、非常难看的假设），因此这种编码实际上损害了模型。感谢您的评论，spark ML遵循管道框架来训练和测试数据集，对于Spark ML，Bayes实现算法期望数据帧（Spark数据帧）具有两列标签和特征。这里的标签是目标/类，特征是双精度向量。因此，我需要将所有属性转换为0和1表示，然后创建转换数据集的向量，并在Spark ML中传递给NB算法。如果还有其他工作，请与我分享调用Spark ML NB算法。您在R中也这样做吗？我确信R处理分类值很好不，我并没有将分类数据转换为onehotencoder，因为spark期待独立于问题，但-为什么你们要将分类数据编码为双倍？Naive bayes是为分类数据定义的，连续方法实际上是一种泛化（需要额外的、非常难看的假设），因此这种编码实际上损害了模型。感谢您的评论，spark ML遵循管道框架来训练和测试数据集，对于Spark ML，Bayes实现算法期望数据帧（Spark数据帧）具有两列标签和特征。这里的标签是目标/类，特征是双精度向量。因此，我需要将所有属性转换为0和1表示，然后创建转换数据集的向量，并在Spark ML中传递给NB算法。如果还有其他工作，请与我分享调用Spark ML NB算法。您在R中也这样做吗？我确信R处理分类值很好不，我没有像spark所期望的那样将分类数据转换成onehotencoder