分类与监督学习,朴素贝叶斯分类算法
1.理解分类与监督学习、聚类与无监督学习。
简述分类与聚类的联系与区别。
联系:都会在数据集中寻找离它最近的点;
区别:分类事先定义好类别,类别数不变。分类器需要由人工标注的分类训练语料训练得到,属于指导学习范畴。聚类则没有事先预定的类,类别数不确定。聚类不需要人工标注和预先训练分类器,类别在聚类的过程中自动生成;分类适合类别或分类体系确定的场合,聚类适合不存在分类体系、类别数不确定的场合,一般作为某些应用的前端。
简述什么是监督学习与无监督学习。
监督学习:根据已有的数据集,知道输入和输出结果之间的关系。根据这种已知的关系,训练得到一个最优的模型。
无监督模型:不知道数据集中数据、特征之间的关系,而是要根据聚类或一定的模型得到数据之间的关系。
2.朴素贝叶斯分类算法 实例
利用关于心脏病患者的临床历史数据集,建立朴素贝叶斯心脏病分类模型。
有六个分类变量(分类因子):性别,年龄、KILLP评分、饮酒、吸烟、住院天数
目标分类变量疾病:
–心梗
–不稳定性心绞痛
新的实例:–(性别=‘男’,年龄<70, KILLP=‘I',饮酒=‘是’,吸烟≈‘是”,住院天数<7)
最可能是哪个疾病?
上传手工演算过程。
|
性别 |
年龄 |
KILLP |
饮酒 |
吸烟 |
住院天数 |
疾病 |
1 |
男 |
>80 |
1 |
是 |
是 |
7-14 |
心梗 |
2 |
女 |
70-80 |
2 |
否 |
是 |
<7 |
心梗 |
3 |
女 |
70-81 |
1 |
否 |
否 |
<7 |
不稳定性心绞痛 |
4 |
女 |
<70 |
1 |
否 |
是 |
>14 |
心梗 |
5 |
男 |
70-80 |
2 |
是 |
是 |
7-14 |
心梗 |
6 |
女 |
>80 |
2 |
否 |
否 |
7-14 |
心梗 |
7 |
男 |
70-80 |
1 |
否 |
否 |
7-14 |
心梗 |
8 |
女 |
70-80 |
2 |
否 |
否 |
7-14 |
心梗 |
9 |
女 |
70-80 |
1 |
否 |
否 |
<7 |
心梗 |
10 |
男 |
<70 |
1 |
否 |
否 |
7-14 |
心梗 |
11 |
女 |
>80 |
3 |
否 |
是 |
<7 |
心梗 |
12 |
女 |
70-80 |
1 |
否 |
是 |
7-14 |
心梗 |
13 |
女 |
>80 |
3 |
否 |
是 |
7-14 |
不稳定性心绞痛 |
14 |
男 |
70-80 |
3 |
是 |
是 |
>14 |
不稳定性心绞痛 |
15 |
女 |
<70 |
3 |
否 |
否 |
<7 |
心梗 |
16 |
男 |
70-80 |
1 |
否 |
否 |
>14 |
心梗 |
17 |
男 |
<70 |
1 |
是 |
是 |
7-14 |
心梗 |
18 |
女 |
70-80 |
1 |
否 |
否 |
>14 |
心梗 |
19 |
男 |
70-80 |
2 |
否 |
否 |
7-14 |
心梗 |
20 |
女 |
<70 |
3 |
否 |
否 |
<7 |
不稳定性心绞痛 |
3.使用朴素贝叶斯模型对iris数据集进行花分类。
尝试使用3种不同类型的朴素贝叶斯:
- 高斯分布型
- 多项式型
- 伯努利型
并使用sklearn.model_selection.cross_val_score(),对各模型进行交叉验证。
from sklearn.datasets import load_iris from sklearn.model_selection import cross_val_score # 交叉验证 from sklearn .naive_bayes import GaussianNB, MultinomialNB, BernoulliNB iris=load_iris() # 分割数据集 x=iris['data'] y=iris['target'] # 高斯分布型 GNB_model=GaussianNB() GNB_model.fit(x,y) G_pre=GNB_model.predict(x) print("高斯分布型:%.3f"%(sum(G_pre == y)/len(x))) # 交叉验证 G_scores=cross_val_score(GNB_model,x,y,cv=10) print('交叉验证后的精度:%.3f' % G_scores.mean()) # 多项式型 M_model=MultinomialNB() M_model.fit(x,y) M_pre=M_model.predict(x) print("多项式模型:%.3f" %(sum(M_pre == y) / len(x))) # 交叉验证 M_score = cross_val_score(M_model, x, y, cv=10) print('交叉验证后的精度:%.3F' %M_score.mean()) # 伯努利型 B_model=BernoulliNB() B_model.fit(x,y) B_pre=B_model.predict(x) print("伯努利模型:%.3F"%(sum(B_pre == y) / len(x))) # 交叉验证 B_score = cross_val_score(B_model, x, y, cv=10) print('交叉验证后的精度:%.3F' %B_score.mean())
运行结果: