作业10：11.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。

分类是事先定义好类别 ，类别数不变 。分类器需要由人工标注的分类训练语料训练得到，属于有指导学习范畴。聚类则没有事先预定的类别，类别数不确定。 聚类不需要人工标注和预先训练分类器，类别在聚类过程中自动生成 。

简述什么是监督学习与无监督学习。

监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。

无监督学习：我们事先没有任何训练样本，而需要直接对数据进行建模。 

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。

代码如下：

from sklearn.datasets import load_iris #导入鸢尾花数据
from sklearn.model_selection import  cross_val_score #交叉验证
iris = load_iris()  # 提取鸢尾花数据集

# 1、高斯分布
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))
# 交叉验证
print("高斯分布交叉验证后")
gnb_score = cross_val_score(gnb,iris.data,iris.target,cv=10)
print("高斯分布模型准确率为：%.2F" % gnb_score.mean() , "
")

# 2、多项式型
from sklearn.naive_bayes import MultinomialNB
mnb = MultinomialNB()  # 建立模型
mnb_model = mnb.fit(iris.data, iris.target)  # 模型训练
mnb_pre = mnb_model.predict(iris.data)  # 预测模型
print("多项式模型准确率为：",sum(mnb_pre == iris.target) / len(iris.target))
# 交叉验证
print("多项式型交叉验证后")
mnb_score = cross_val_score(mnb,iris.data, iris.target,cv=10)
print("多项式模型准确率为：%.2F" % mnb_score.mean() , "
")


# 3、伯努利型 
from sklearn.naive_bayes import BernoulliNB
bnb = BernoulliNB() 
bnb_model = bnb.fit(iris.data, iris.target)
bnb_pre = bnb.predict(iris.data)
print("伯努利模型准确率为：", sum(bnb_pre == iris.target) / len(iris.target))
# 交叉验证
print("伯努利型交叉验证后")
mnb_score = cross_val_score(bnb,iris.data, iris.target,cv=10)
print("伯努利型模型准确率为：%.2F" % mnb_score.mean() , "
")

结果如图：

从结果可以看出高斯分布型和多项式型对于iris数据集分类更合适