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。
分类:分类过程需要做的就是把每一条记录归到对应的类别之中。分类的目的是为了确定一个点的类别,具体有哪些类别是已知的,提高认知效率、降低认知成本
聚类:聚类是指将数据集划分为若干类,使得类内之间的数据最为相似,各类之间的数据相似度差别尽可能大。聚类分析就是以相似性为基础,对数据集进行聚类划分,属于无监督学习。
监督学习:从标记的训练数据来推断一个功能,从正确的例子中学习,输入对(x,y),每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成
无监督学习:缺乏足够的先验知识,输入x,在数据(没有被标记)中发现一些规律。
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#鸢尾花数据
from sklearn.naive_bayes import GaussianNB,MultinomialNB,BernoulliNB # 高斯分布型,多项式型,伯努利型
from sklearn.model_selection import cross_val_score#交叉验证
iris = load_iris() #鸢尾花数据集
##高斯分布型
Gau = GaussianNB() #建立模型
Gau_model = Gau.fit(iris.data, iris.target) #模型训练
Gau_pre = Gau_model.predict(iris.data) #预测模型
print("高斯分布模型准确率为:", sum(Gau_pre == iris.target) / len(iris.target))
Gau_scores = cross_val_score(Gau, iris.data, iris.target, cv=10)#交叉验证
print("高斯分布准确率:%.3f\n" % Gau_scores.mean())
# 多项式型
Mul = MultinomialNB() # 建立模型
Mul_model = Mul.fit(iris.data, iris.target) # 模型训练
Mul_pre =Mul_model.predict(iris.data) # 预测模型
print("多项式模型准确率为:", sum(Mul_pre == iris.target) / len(iris.target))
Mul_scores = cross_val_score(Mul, iris.data, iris.target, cv=10)#交叉验证
print("多项式准确率:%.3f\n" % Mul_scores.mean())
# 伯努利型
Ber = BernoulliNB()
Ber_model = Ber.fit(iris.data, iris.target)
Ber_pre = Ber.predict(iris.data)
print("伯努利模型准确率为:", sum(Ber_pre == iris.target) / len(iris.target))
Ber_scores = cross_val_score(Ber, iris.data, iris.target, cv=10)#交叉验证
print("伯努利准确率:%.3f" % Ber_scores.mean())