SPSS 命令: SPSS NAIVEBAYES
在浏览器中做朴素贝叶斯分类
朴素贝叶斯在“各预测变量在每个类别内相互独立”的假设下，综合每个预测变量提供的证据对个案进行分类。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 在你的设备上运行 SPSS NAIVEBAYES：标度预测变量切分为等宽分箱，概率经过平滑，保留部分缺失的预测变量，并可通过向前选择按伪 BIC 或保留的测试样本挑选最佳子集。
- 模型在训练样本和可选测试样本中正确分类的比例，包括整体和各类别。
- 每个类别的先验概率，以及每个预测变量类别或分箱在给定类别下的条件概率。
- 哪些预测变量值得保留：来自向前选择的顺序及其伪 BIC 或测试准则。
适用场景
适合使用
- 用大量分类调查题目预测一个分类结果，例如续订、流失或偏好品牌。
- 需要一个快速、透明、可以直接阅读概率表的分类器。
- 预测变量存在零散缺失值，又不希望整条删除个案。
改用其他方法
- 预测变量之间高度相关（多个题目测量同一事物）：独立性假设会重复计算其证据。
- 需要预测变量的效应量或显著性检验：使用 Logistic 回归或多项 Logistic 回归。
- 目标为标度变量：朴素贝叶斯需要分类目标；数值预测请使用 KNN 或回归。
- 必须应用个案权重：面板会忽略权重并给出提示。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开文件并切换到“统计”模式。
- 02
选择朴素贝叶斯
在“机器学习”组中选择“朴素贝叶斯”。
- 03
设置目标和预测变量
在“变量”中选择“目标”、“分类预测变量”和“标度预测变量（分箱）”，并设置“标度预测变量的等宽分箱数”（默认 10）。
- 04
选择预测变量筛选方式
在“预测变量选择”中保留“使用全部预测变量”，或选择“选择最佳子集（最大预测变量数）”或“选择确切数量的预测变量”。
- 05
保留测试样本并运行
可选勾选“保留测试样本”并设置“训练样本（%）”和“随机种子”；有测试样本时，子集选择使用测试准则而非伪 BIC。点击“运行”。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
240 名模拟订阅用户，结果为是否续订（续订或流失）。其中两个预测变量含有信息——客服工单数量（none、some、many）和每月使用小时数（标度变量，切分为 10 个等宽分箱）——另外两个是纯噪声：地区和年龄。由固定随机种子生成；全部个案作为训练样本。
| 步骤 | 添加的预测变量 | 平均对数似然（训练） | 伪 BIC |
|---|---|---|---|
| 1 | usage | −0.4919 | 0.5033 |
| 2 | support | −0.4622 | 0.4850 |
| 3 | age | −0.4495 | 0.4838 |
| 4 | region | −0.4509 | 0.4966 |
选定的预测变量：usage, support, age。准则值越小表示子集越好。
| 类别 | 概率 |
|---|---|
| 流失 | 0.4208 |
| 续订 | 0.5792 |
| 观测值 | 流失 | 续订 | 正确百分比 |
|---|---|---|---|
| 流失 | 67 | 34 | 66.3% |
| 续订 | 25 | 114 | 82.0% |
| 总百分比 | 38.3% | 61.7% | 75.4% |
概率使用 1/N 的狄利克雷平滑。
| 类别 | 流失 | 续订 |
|---|---|---|
| many | 0.4653 | 0.1727 |
| none | 0.2376 | 0.5467 |
| some | 0.2970 | 0.2806 |
结果解读
向前选择依次加入 usage, support, age, region，伪 BIC 最终保留 3 个：usage, support, age。使用这些预测变量，模型对训练个案的正确分类率为 75.4%，而较大类别的先验概率为 57.9%。伪 BIC 还保留了 age，而它在本数据中是纯噪声——仅凭训练数据做选择可能过拟合。没有测试样本时，这是偏乐观的样本内结果；勾选“保留测试样本”可得到更可靠的估计。
输出表格说明
- 预测变量选择摘要
- 每一步添加的预测变量、训练样本平均对数似然，以及伪 BIC 或测试准则；准则最小处即为选定子集。
- 分类
- 观测类别 × 预测类别的计数、各类别正确百分比和总百分比，分别针对训练个案以及（如有）测试个案。
- 先验概率
- 训练数据中各目标类别经平滑后的比例。
- 条件概率
- 每个选定预测变量一张表：每个类别或分箱在各目标类别内的概率。同一行在各类别间差异越大，对分类的作用越大。
前提假设与注意事项
- 在给定类别的条件下预测变量相互独立；即便这一假设只是近似成立，分类器通常仍能较好地排序个案。
- 标度预测变量在训练数据上切分为等宽分箱，空分箱会被合并。
- 概率采用 1/N 的狄利克雷平滑，未出现过的类别不会得到零概率。
- 预测变量缺失时仅在该个案中跳过；观测类别少于两个的预测变量会被忽略。
结果如何验证
在完整个案上，后验概率与 scikit-learn CategoricalNB（alpha = 1/N）在小数点后 12 位一致。一个独立的 NumPy 实现核对了含空分箱合并的等宽分箱、缺失预测变量的处理、先验概率，以及在伪 BIC 和测试数据准则下的向前选择顺序：对数似然与准则在小数点后 12 位一致，选出的预测变量相同。 验证证据（英文）
常见问题
标度预测变量如何处理？
在训练数据上按设定的“等宽分箱数”（默认 10）切分，空分箱与相邻分箱合并。小样本中分箱越少，概率越平滑稳定。
什么是伪 BIC？
没有测试样本时，向前选择的每一步以“负的训练样本平均对数似然”加上随预测变量个数增大的惩罚项 ½·p·ln N / N 评分，取值最小的一步决定最终子集。有测试样本时，准则改为测试个案的负平均对数似然。
为什么训练样本正确率偏乐观？
模型是在估计其概率所用的同一批个案上评分的。勾选“保留测试样本”即可得到模型未见过个案上的分类表。
朴素贝叶斯能使用预测变量有缺失的个案吗？
可以。与会删除整个个案的 KNN 或线性混合模型不同，朴素贝叶斯只在该个案中跳过缺失的预测变量，继续使用其他预测变量。
我的数据会被上传吗？
不会。分箱、筛选和分类都在浏览器中进行，文件保留在你的设备上。
相关过程
- 最近邻元素分析（KNN）KNN
- 多项 Logistic 回归NOMREG
- 二元 Logistic 回归LOGISTIC REGRESSION
- 决策树（CHAID、CRT）TREE
- 判别分析DISCRIMINANT
- 最优分箱OPTIMAL BINNING
- 免费的 SPSS 替代工具：支持范围
用你自己的数据运行朴素贝叶斯
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。