机器学习——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。

联系：都是对数据进行划分的方法

区别：分类就是“贴标签”，在事先已有的类中按这些类的性质来进行划分，要做的就是将每一条记录分别属于哪一类标记出来，常用算法KNN，是一种有监督学习；

聚类是在事先没有类，没有训练条件的情况下，根据数据相似性来把样本划分为若干类，常用算法k-means算法，是一种无监督学习。

 

简述什么是监督学习与无监督学习。

 监督学习：监督学习是从标记的训练数据来推断一个功能的机器学习任务。就是在有样本的情况下，根据样本属性来判断某数据属于什么类型。监督学习的算法有神经网络算法、决策树学习算法，主要是用于分类、回归。

无监督学习：根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。就是在无样本的情况下，根据相似性来判断某数据属于什么类型。无监督学习里典型例子是聚类、降维。

 

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。

 

代码截图如下：

 

 

运行结果如下：

 

 源代码如下：

from sklearn.datasets import load_iris
from sklearn.naive_bayes import GaussianNB     #高斯分布型
from sklearn.naive_bayes import MultinomialNB  #多项式型
from sklearn.naive_bayes import BernoulliNB    #伯努利型
from sklearn.model_selection import cross_val_score   #交叉验证

iris=load_iris()#提取数据
#高斯分布型
gnb=GaussianNB() #建立模型
gnb.fit(iris.data,iris.target) #训练模型
y_gnb = gnb.predict(iris.data)  #分类预测
print("高斯分布型预测结果：",y_gnb)
#多项式型
mnb=MultinomialNB() #建立模型
mnb.fit(iris.data,iris.target) #训练模型
y_mnb = mnb.predict(iris.data)   #分类预测
print("多项式型预测结果：",y_mnb)
#伯努利型
bnb=BernoulliNB() #建立模型
bnb.fit(iris.data,iris.target) #训练模型
y_bnb = bnb.predict(iris.data)   #分类预测
print("伯努利型预测结果：",y_bnb)

#对各模型进行交叉验证
g_scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
m_scores=cross_val_score(mnb,iris.data,iris.target,cv=10)
b_scores=cross_val_score(bnb,iris.data,iris.target,cv=10)
print("高斯分布型朴素贝叶斯模型的平均精度：%.6f\n" % g_scores.mean())
print("多项式型朴素贝叶斯模型的平均精度：%.6f\n" % m_scores.mean())
print("伯努利型朴素贝叶斯模型的平均精度：%.6f\n" % b_scores.mean())