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。

    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())