Я использую наивные байесовские классификаторы, поскольку все мои предикторы и переменные результата категоричны.Попытка предсказать, какой клиент (около 700 различных имен клиентов) купит конкретный продукт.У продуктов есть категорические характеристики - страна происхождения, цвет, размер, реклама и т. Д. Когда я пытаюсь увидеть точность с помощью матрицы путаницы, результаты настолько запутанные и длинные, что я могу это понять.У кого-нибудь есть идея, как визуализировать матрицу путаницы с более чем 500 возможными категориальными результатами?Или, может быть, есть другой способ по-другому визуализировать результаты?
library(e1071)
library(caret)
library(naivebayes)
data <- read.csv("Data.csv")
set.seed(2)
random <- sample(2, nrow(data1), prob = c(0.7, 0.3), replace = T)
data_train <- data[random == 1, ]
data_test <- data[random == 2, ]
data_nb <- naiveBayes(Client.Name ~., data = data_train)
pred_nb <- predict(data_nb, data_test)
confusionMatrix(table(pred_nb, data_test$Client.Name))