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：