作业十 朴素贝叶斯
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。
① 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。
② 区别：分类的目的是为了确定一个点的类别 ，聚类的目的是将一系列点分成若干类，事先是没有类别的，即分类是已知的，聚类是未知的；分类是一种监督学习，聚类是一种无监督学习，分类一般用KNN算法，聚类一般用K-Means算法
简述什么是监督学习与无监督学习。
① 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，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。
② 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
代码：
from sklearn.datasets import load_iris
from sklearn.naive_bayes import MultinomialNB
from sklearn.naive_bayes import BernoulliNB
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import cross_val_score
iris = load_iris() # 使用鸢尾花数据集
# 高斯分布型
gnb = GaussianNB() # 建立模型
gnb_model = gnb.fit(iris.data, iris.target) # 模型训练
gnb_pre = gnb_model.predict(iris.data) # 预测模型
print("高斯分布模型为:",sum(gnb_pre == iris.target) / len(iris.target))
# 多项式型
mln = MultinomialNB() # 建立模型
mln_model = mln.fit(iris.data, iris.target) # 模型训练
mln_pre = mln_model.predict(iris.data) # 预测模型
print("多项式模型为:",sum(mln_pre == iris.target) / len(iris.target))
# 伯努利型
bln = BernoulliNB()
bln_model = bln.fit(iris.data, iris.target)
bln_pre = bln.predict(iris.data)
print("伯努利模型为:",sum(bln_pre == iris.target) / len(iris.target))
##交叉验证
print("进行交叉验证")
# 高斯分布型
gnb_scores = cross_val_score(gnb, iris.data, iris.target, cv=10)
print("高斯分布准确率:%.2F" % gnb_scores.mean())
# 多项式型
mln_scores = cross_val_score(mln, iris.data, iris.target, cv=10)
print("多项式准确率:%.2F" % mln_scores.mean())
# 伯努利型
bln_scores = cross_val_score(bln, iris.data, iris.target, cv=10)
print("伯努利准确率:%.2F" % bln_scores.mean())
截图：
