R 中的資料探勘演算法/包/RWeka/Weka 分類器懶惰
R 與 Weka 懶惰學習器的介面。
IBk(formula, data, subset, na.action, control = Weka_control(), options = NULL)
LBR(formula, data, subset, na.action, control = Weka_control(), options = NULL)
formula，要擬合的模型的符號描述。
data，可選資料框，包含模型中的變數。
subset，可選向量，指定要用於擬合過程的觀測值子集。
na.action，一個函式，指示資料包含 NA 時應該發生什麼。
control，一個 Weka_control 類的物件，提供要傳遞給 Weka 學習器的選項。
options，一個命名列表，包含其他選項，或 NULL（預設值）。
有用於從擬合模型預測的 predict 方法，以及基於 evaluate_Weka_classifier 的 summary 方法。IBk 提供了一個 k 近鄰分類器。
LBR（“懶惰貝葉斯規則”）實現了一種懶惰學習方法，以減少樸素貝葉斯的屬性獨立性假設。模型公式應僅使用“+”和“-”運算子來分別指示要包含或不使用的變數。
引數 options 允許進一步自定義。目前，選項 model 和 instances（或它們的區域性匹配）被使用：如果設定為 TRUE，模型框架或相應的 Weka 例項分別包含在擬合的模型物件中，這可能會加快對物件的後續計算。預設情況下，兩者都不包含。
一個繼承自 Weka_lazy 和 Weka_classifiers 類的列表，包含以下元件
classifier，一個對 Java 物件的引用（jobjRef 類），該物件是透過應用 Weka
buildClassifier，使用給定的控制選項構建指定模型的方法。
predictions，一個數值向量或因子，包含對訓練例項的模型預測（使用已構建的分類器和每個例項呼叫 Weka classifyInstance 方法的結果）。
call，匹配的呼叫。