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。
对于分类来说,在对数据集分类时,我们是知道这个数据集是有多少种类的;而对于聚类来说,在对数据集操作时,我们是不知道该数据集包含多少类,我们要做的,是将数据集中相似的数据归纳在一起。他们都是对数据集的归纳。
简述什么是监督学习与无监督学习。
有监督学习即人工给定一组数据,每个数据的属性值也给出,对于数据集中的每个样本,我们想要算法预 测并给出正确答案:回归问题,分类问题。
无监督学习中,数据是没有标签的或者是有一样的标签的。我们不知道数据的含义和作用,只知道是有一个数据集的。数据集可以判断是有两个数据集,自己进行分类,这就是聚类学习。
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 |
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())![](https://img2020.cnblogs.com/blog/1785421/202005/1785421-20200513193506080-45247912.png)