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。

分类与聚类：分类是已经知道类别，具体的类别是哪一些，通过对已知的的数据进行训练，找到不同类的特征。

　　　　　　聚类是不知道会分成多少类，通过聚类分析将数据或者说用户聚合成几个群体，他不需要对数据进行训练和学习。

有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（分类）

无监督学习：对未标记的样本进行训练学习（聚类）

常见的分类比如决策树分类算法、贝叶斯分类算法等聚类的算法最基本的有系统聚类，K-means均值聚类

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

设X{x1，x2，x3，x4，x5，x6}为影响疾病的因素

Y{y1，y2}为疾病类型，y1为心梗、y2为不稳定性心绞痛

则P(y1)=16/20，P(y2)=4/20，P(X)=1

P(y1|X)=P(X|y1)P(y1)/P(X)=P(x1|y1)P(x2|y1)P(x3|y1)P(x4|y1)P(x5|y1)P(x6|y1)P(y1)/P(X)=7/16*4/16*9/16*3/16*7/16*4/16*16/20/1=0.1009%

P(y2|X)=P(X|y2)P(y2)/P(X)=P(x1|y2)P(x2|y2)P(x3|y2)P(x4|y2)P(x5|y2)P(x6|y2)P(y2)/P(X)=1/4*1/4*1/4*1/4*2/4*2/4*4/20/1=0.0195%

最可能是心梗

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 import datasets

iris = datasets.load_iris()

（1）

from sklearn.naive_bayes import GaussianNB

gnb = GaussianNB()  #建立模型

pred=gnb.fit(iris.data,iris.target) #模型训练

y_pred=pred.predict(iris.data) #分类预测

print(iris.data.shape[0],(iris.target !=y_pred).sum())

（2）

from sklearn.naive_bayes import BernoulliNB

gnb = BernoulliNB()  #建立模型

gnb.fit(iris.data,iris.target) #模型训练

y_pred=gnb.predict(iris.data) #分类预测

print(iris.data.shape[0],(iris.target !=y_pred).sum())

（3）

from sklearn.naive_bayes import MultinomialNB

gnb = MultinomialNB()  #建立模型

pred=gnb.fit(iris.data,iris.target) #模型训练

y_pred=pred.predict(iris.data) #分类预测

print(iris.data.shape[0],(iris.target !=y_pred).sum())