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。

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。

解：

 1.

分类与聚类：

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，即二者都用到了NN算法。

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

监督学习和无监督学习：

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，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.

 

3.

 3种不同类型的朴素贝叶斯对iris数据集进行花分类：

from sklearn.datasets import load_iris
iris = load_iris()

# 高斯分布型
from sklearn.naive_bayes import GaussianNB
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("高斯分布模型准确率为：", sum(GNB_pre == iris.target) / len(iris.target))

# 多项式型
from sklearn.naive_bayes import MultinomialNB
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))

# 伯努利型
from sklearn.naive_bayes import BernoulliNB
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))

 

 交叉验证：

# 交叉验证
from sklearn.model_selection import cross_val_score

# 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:%.3F" % GNB_scores.mean())

# 多项式型
MUL_scores = cross_val_score(MUL, iris.data, iris.target, cv=10)
print("多项式准确率:%.3F" % MUL_scores.mean())

# 伯努利型
BER_scores = cross_val_score(BER, iris.data, iris.target, cv=10)
print("伯努利准确率:%.3F" % BER_scores.mean())