function(data, repet,method=c("entropy","chiMerge"))
{
#Esta funcion encuentra la estimacion del error de clasificacion
# por validacion cruzada 10 del clasificador Naive Bayes 
# Requiere la funcion naiveBayes de la libreria e1071 
#inputs:
# data: the name of the dataset
# repet: the number of repetitions
#------------------------------------------
require(e1071)
require(dprep)
n <- dim(data)[1]
p <- dim(data)[2]
if(method=="entropy")
{data=disc.mentr(data,1:p)}
if(method=="chiMerge")
{data=chiMerge(data,1:(p-1))}
for(i in 1:p)
{data[,i]=as.factor(data[,i])}
nombres<-colnames(data)
f1<-as.formula(paste(nombres[p],".",sep="~"))
#print(f1)
ECV <- rep(0, repet)
for(i in 1:repet) {
salida <- matrix(0, 1, 10)
azar <- data[rank(runif(n)),  ]
azar[, p] <- as.factor(azar[, p])
parti <- floor(n/10)
for(j in 1:10) {
cc <- ((j - 1) * parti + 1):(j * parti
)
if(j == 10) {
cc <- ((j - 1) * parti + 1):
n
}
datap <- azar[cc,  ]
datat <- azar[ - cc,  ]
tempo =naiveBayes(f1,data=datat)
tempo1=predict(tempo,datap[,-p])
salida[j] <- sum(tempo1 != as.numeric(datap[, p]))
}
ECV[i] <- sum(salida)/n
}
cat("The error estimations in each repetition are:\n"
)
print(ECV)
ECV1 <- mean(ECV)
cat("The mean error estimation by cross-validation using alll the repetititons is: \n"
)
ECV1
}