分类与监督学习，朴素贝叶斯分类算法

一.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？

  是把某个对象划分到某个具体的已经定义的类别当中，而聚类是把一些对象按照具体特征组织到若干个类别里。虽然都是把某个对象划分到某个类别中，但是分类的类别是已经预定义的，而聚类操作时，某个对象所属的类别却不是预定义的，而是可以根据情况做若干个聚类中心。

     （2）  简述什么是监督学习与无监督学习。

  对于新的实例，监督学习可以用于映射出该实例的类别。 对于无监督学习，我们只知道特征，并不知道答案，不同的实例具有一定的相似性，把那些相似的聚集在一起。

 

二.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。

演算过程：

三.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。

from sklearn.datasets import load_iris
iris = load_iris()
iris.data[55]
iris.target[55]
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB() #模型#
gnb.fit(iris.data,iris.target) #训练#
gnb.predict([iris.data[12]])   #分类#

运行结果：