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。

（1）简述分类与聚类的联系与区别。

分类就是向事物分配标签，聚类就是将相似的事物放在一起。

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：分类属于监督式学习，因为它是根据可比较的特性来分配已确定的标签。聚类属于无监督学习。

（2）简述什么是监督学习与无监督学习。

监督学习：通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

无监督学习：我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。

 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 
from sklearn.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB 
from sklearn.model_selection import cross_val_score 

iris = load_iris()

data = iris['data']
target = iris['target']
# 高斯分布型
Gnb_model = GaussianNB()  # 构建高斯分布模型
Gnb_model.fit(data, target)  # 训练模型
Gnb_pre = Gnb_model.predict(data)  # 预测模型
print("高斯分布模型准确率为：%.2F" % (sum(Gnb_pre == target) / len(data)))

# 多项式型
Mnb_model = MultinomialNB()  # 构建多项式模型
Mnb_model.fit(data, target)
Mnb_pre = Mnb_model.predict(data)  
print("多项式模型准确率为：%.2F" % (sum(Mnb_pre == target) / len(data)))

# 伯努利型
Bnb_model = BernoulliNB()  # 构建伯努利模型
Bnb_model.fit(data, target)  
Bnb_pre = Bnb_model.predict(data)  
print("伯努利模型准确率为：%.2F" % (sum(Bnb_pre == target) / len(data)))

print("进行交叉验证：")
# 进行交叉验证
Gnb_score = cross_val_score(Gnb_model, data, target, cv=10)
print('高斯分布模型的精确率：%.2F' % Gnb_score.mean())

Mnb_score = cross_val_score(Mnb_model, data, target, cv=10)
print('多项式模型模型的精确率：%.2F' % Mnb_score.mean())

Bnb_score = cross_val_score(Bnb_model, data, target, cv=10)
print('伯努利模型的准确率：%.2F' % Bnb_score.mean())