机器学习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。

分类与聚类的区别：是否有已知分类的条件。分类没有，聚类有。

监督学习：已知某些类别的情况下，即具有事先标记的数据，通过特征分析来学习的一类算法。

无监督学习：不具有事先标签的数据，缺乏先验知识进行，在未被标记数据中发现一定规律进行的一类算法。

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   #导入鸢尾花数据
from sklearn.naive_bayes import GaussianNB     # 高斯分布型
from sklearn.naive_bayes import MultinomialNB  # 多项式型
from sklearn.naive_bayes import BernoulliNB    # 伯努利型
from sklearn.model_selection import cross_val_score   ##交叉验证

iris = load_iris()# 数据提取

gnb = GaussianNB() # 建立高斯分布模型
mnb = MultinomialNB()# 建立多项式模型
bnb = BernoulliNB()# 建立伯努利模型
# 分别对模型进行训练
gnb_pre = gnb.fit(iris.data, iris.target)
mnb_pre = mnb.fit(iris.data, iris.target)
bnb_pre = bnb.fit(iris.data, iris.target)
# 对数据进行分类预测
y_gnb = gnb_pre.predict(iris.data)
y_mnb = mnb_pre.predict(iris.data)
y_bnb = bnb_pre.predict(iris.data)

print("GNB预测总数:", iris.data.shape[0])
print("GNB预测正确个数:",(iris.target == y_gnb).sum())
print("MNB预测总数:", iris.data.shape[0])
print("MNB预测正确个数:",(iris.target == y_mnb).sum())
print("BNB预测总数:", iris.data.shape[0])
print("BNB预测正确个数:",(iris.target == y_bnb).sum())

# 分别进行交叉验证
gnb_scores = cross_val_score(gnb, iris.data, iris.target, cv=10)
print("GNB Accuracy:%.6f" % gnb_scores.mean())
mnb_scores = cross_val_score(mnb, iris.data, iris.target, cv=10)
print("MNB Accuracy:%.6f" % mnb_scores.mean())
bnb_scores = cross_val_score(bnb, iris.data, iris.target, cv=10)
print("BNB Accuracy:%.6f" % bnb_scores.mean())