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。
（1）简述分类与聚类的联系与区别。
分类就是向事物分配标签，聚类就是将相似的事物放在一起。
联系：分类和聚类都包含一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点，即二者都用到了NN算法。
区别：分类属于监督式学习，因为它是根据可比较的特性来分配已确定的标签。聚类属于无监督学习。
（2）简述什么是监督学习与无监督学习。
监督学习：通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。
无监督学习：我们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.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB
from sklearn.model_selection import cross_val_score
iris = load_iris()
data = iris['data']
target = iris['target']
# 高斯分布型
Gnb_model = GaussianNB() # 构建高斯分布模型
Gnb_model.fit(data, target) # 训练模型
Gnb_pre = Gnb_model.predict(data) # 预测模型
print("高斯分布模型准确率为：%.2F" % (sum(Gnb_pre == target) / len(data)))
# 多项式型
Mnb_model = MultinomialNB() # 构建多项式模型
Mnb_model.fit(data, target)
Mnb_pre = Mnb_model.predict(data)
print("多项式模型准确率为：%.2F" % (sum(Mnb_pre == target) / len(data)))
# 伯努利型
Bnb_model = BernoulliNB() # 构建伯努利模型
Bnb_model.fit(data, target)
Bnb_pre = Bnb_model.predict(data)
print("伯努利模型准确率为：%.2F" % (sum(Bnb_pre == target) / len(data)))
print("进行交叉验证：")
# 进行交叉验证
Gnb_score = cross_val_score(Gnb_model, data, target, cv=10)
print('高斯分布模型的精确率：%.2F' % Gnb_score.mean())
Mnb_score = cross_val_score(Mnb_model, data, target, cv=10)
print('多项式模型模型的精确率：%.2F' % Mnb_score.mean())
Bnb_score = cross_val_score(Bnb_model, data, target, cv=10)
print('伯努利模型的准确率：%.2F' % Bnb_score.mean())
