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。
答：（1）联系：分类与聚类都是对对象的一种划分，两者都用到了NN算法。
区别：分类是为了确定一个点的类别，类别是已知的，常用算法是KNN算法。
聚类是为了将一系列点分成若干类，最初是没有类别的，它的类别是在聚类过程中自动生成的，常用算法是K-Means算法。
（2）监督学习：训练数据既有特征(feature)又有标签(label)，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：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 |
答：手动演算过程
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
from sklearn.datasets import load_iris iris = load_iris() # 高斯分布型 from sklearn.naive_bayes import GaussianNB gnb = GaussianNB() # 建立模型 gnb.fit(iris.data, iris.target) # 训练模型 pre = gnb.predict(iris.data) # 预测模型 g = sum(pre == iris.target)/len(iris.target) # 计算预测的准确率 print("高斯朴素贝叶斯的准确率：", g) # 多项式型 from sklearn.naive_bayes import MultinomialNB mnb = MultinomialNB() mnb.fit(iris.data, iris.target) # 训练模型 pre = mnb.predict(iris.data) # 预测模型 d = sum(pre == iris.target)/len(iris.target) # 计算预测的准确率 print("多项式朴素贝叶斯的准确率：", d) # 伯努利型 from sklearn.naive_bayes import BernoulliNB bnb = BernoulliNB() bnb.fit(iris.data, iris.target) # 训练模型 pre = bnb.predict(iris.data) # 预测模型 b = sum(pre == iris.target)/len(iris.target) # 计算预测的准确率 print("伯努利朴素贝叶斯的准确率：", b)
并使用sklearn.model_selection.cross_val_score()，对各模型进行交叉验证。
# 交叉验证 from sklearn.model_selection import cross_val_score g_scores = cross_val_score(gnb, iris.data, iris.target, cv=10) print("高斯朴素贝叶斯的准确率:%.3f"% g_scores.mean()) d_scores = cross_val_score(mnb, iris.data, iris.target, cv=10) print("多项式朴素贝叶斯的准确率:%.3f"% d_scores.mean()) b_scores = cross_val_score(bnb, iris.data, iris.target, cv=10) print("伯努利朴素贝叶斯的准确率:%.3f"% b_scores.mean())
