11.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。
简述什么是监督学习与无监督学习。
区别：
分类是为了确定点的类别，具体有哪些类别是已知的，是监督学习。
聚类是把点成若干类，事先是没有类别的，是一种无监督学习。
联系：
都是为了把点进行一种归类
监督学习：从正确的例子中进行的一种学习
无监督学习：在缺乏足够的先验知识，进行的一种机器学习
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 |
设特征 性别=‘男’，年龄<70, KILLP=‘I'，饮酒=‘是’，吸烟≈‘是”，住院天数<7 分别为x1,x2,x3,x4,x5,x6
X为患此病且符合特征的概率，y1为患心梗概率，y2为患不稳定性心绞痛概率。
首先患心梗的概率为P（y1）=16/20=4/5
患不稳定性心绞痛的概率为P（y2）=1/5
所以患心梗且性别男的概率即为
P（x1|y1）=7/16
同样的可以找出患心梗且拥有其他特征的
P（x2|y1）=4/16=1/4 P（x3|y1）=9/16
P（x4|y1）=3/16 P（x5|y1）=7/16
P（x6|y1）=4/16=1/4
P（X|y1）=P（x1|y1）P（x2|y1）P（x3|y1）P（x4|y1）P（x5|y1）P（x6|y1）
男的患有心脏病的概率
P（x1）=8/20
年龄<70患有心脏病的概率
P（x2）=5/20
······
P（x3）= 10/20 P（x4）=4/20 P（x5）=9/20 P（x6）=6/20
P（X）=P（x1）P（x2）P（x3）P（x4）P（x5）P（x6）
又由朴素贝叶斯定理可得
可得
患有心梗的概率为：≈75%
所以患有不稳定性心绞痛的概率为：≈25%
所以该男子最有可能患有心梗。
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。
高斯分布型
from sklearn.datasets import load_iris from sklearn.model_selection import cross_val_score from sklearn.naive_bayes import GaussianNB iris = load_iris() gnb = GaussianNB() #建立模型 gnb.fit(iris.data, iris.target) #训练模型 gnb.predict([iris.data[55]]) #分类预测 y_gnb = gnb.predict(iris.data) print(y_gnb) #交叉验证 scores=cross_val_score(gnb,iris.data, iris.target, cv=10) print("高斯分布型的准确率", scores.mean())
运行结果：
多项式型
from sklearn.datasets import load_iris from sklearn.model_selection import cross_val_score from sklearn.naive_bayes import MultinomialNB iris = load_iris() mnb = MultinomialNB() # 建立模型 mnb.fit(iris.data, iris.target) # 训练模型 mnb.predict([iris.data[55]]) # 分类预测 y_mnb = mnb.predict(iris.data) print(y_mnb) # 交叉验证 scores = cross_val_score(mnb, iris.data, iris.target, cv=10) print("多项式型的准确率", scores.mean())
运行结果：
伯努利型
from sklearn.datasets import load_iris from sklearn.model_selection import cross_val_score from sklearn.naive_bayes import BernoulliNB iris = load_iris() bnb = BernoulliNB() #建立模型 bnb.fit(iris.data, iris.target) #训练模型 bnb.predict([iris.data[55]]) #分类预测 y_bnb = bnb.predict(iris.data) print(y_bnb) #交叉验证 scores=cross_val_score(bnb,iris.data, iris.target, cv=10) print("伯努利型准确率", scores.mean())
运行结果：
