第十次作业——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。
分类是事先定义好类别,类别数不变,分类也可以称作分类器,把数据库中的数据项映射到给定类别中的某一类中。
聚类是指根据“物以类聚”的原理,将本身没有类别的样本聚集成不同的组。
简述什么是监督学习与无监督学习。
监督学习:每个实例都是由一组特征和一个类别结果,用有标注的数据训练模型,并产生一个推断的功能。对于新的实例,可以用于映射出该实例的类别。
无监督学习:我们只知道一些特征,并不知道答案,但不同实例具有一定的相似性,把那些相似的聚集在一起。
2.朴素贝叶斯分类算法 实例
利用关于心脏情患者的临床数据集,建立朴素贝叶斯分类模型。
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?
上传演算过程。
3.编程实现朴素贝叶斯分类算法
利用训练数据集,建立分类模型。
输入待分类项,输出分类结果。
可以心脏情患者的临床数据为例,但要对数据预处理。