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。

对于分类来说，在对数据集分类时，我们是知道这个数据集是有多少种类的；而对于聚类来说，在对数据集操作时，我们是不知道该数据集包含多少类，我们要做的，是将数据集中相似的数据归纳在一起。他们都是对数据集的归纳。

简述什么是监督学习与无监督学习。

有监督学习即人工给定一组数据，每个数据的属性值也给出，对于数据集中的每个样本，我们想要算法预 测并给出正确答案：回归问题，分类问题。

无监督学习中，数据是没有标签的或者是有一样的标签的。我们不知道数据的含义和作用，只知道是有一个数据集的。数据集可以判断是有两个数据集，自己进行分类，这就是聚类学习。

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

设X为患心脏病

  P(x)=2/5*1/4*1/2*1/5*9/20*3/10=0.00135

在资料中患者疾病为心梗的前提下：

       患者(性别=‘男’)概率：p(x1|y1) = 7/16

       患者(年龄<70)概率：p(x2|y1) = 4/16

       患者(KILLP=‘I)概率：p(x3|y1) = 9/16

       患者(饮酒=‘是’)概率：p(x4|y1) = 3/16

       患者(吸烟≈‘是’)概率：p(x5|y1) = 7/16

       患者(住院天数<7)概率：p(x6|y1) = 4/16

同理可得：

 在资料中患者疾病为心绞病的前提下：

       患者(性别=‘男’)概率：p(x1|y2) = 1/4

       患者(年龄<70)概率：p(x2|y2) = 1/4

       患者(KILLP=‘I)概率：p(x3|y2) = 1/4

       患者(饮酒=‘是’)概率：p(x4|y2) = 1/4

       患者(吸烟≈‘是’)概率：p(x5|y2) = 2/4

       患者(住院天数<7)概率：p(x6|y2) = 2/4

在心脏病患者资料中疾病为心梗概率：4/5

在心脏病患者资料中疾病为心绞病概率：1/5

判定心脏病患者疾病为心梗概率：

           p(y1|x) = p(x1|y1)p(x2|y1)p(x3|y1)…p(x6|y1)/p(x) ≈ 75%

判定心脏病患者疾病为心绞病概率：

           p(y2|x) = p(x1|y2)p(x2|y2)p(x3|y2)…p(x6|y2)/p(x) ≈ 15%

其中：p(y1|x) > p(y2|x)

由此可知：新实例患者最可能患心梗心脏病。

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

# 引入鸢尾花数据集
iris = load_iris()

# 高斯分布型
g = GaussianNB()  # 建立模型
g_model = g.fit(iris.data, iris.target)  # 模型训练
g_pre = g_model.predict(iris.data)  # 预测模型
print("高斯分布模型准确率：", sum(g_pre == iris.target) / len(iris.target))

# 多项式型
m = MultinomialNB()
m_model = m.fit(iris.data, iris.target)
m_pre = m_model.predict(iris.data)
print("多项式模型准确率：", sum(m_pre == iris.target) / len(iris.target))

# 伯努利型
b = BernoulliNB()
b_model = b.fit(iris.data, iris.target)
b_pre = b.predict(iris.data)
print("伯努利模型准确率：", sum(b_pre == iris.target) / len(iris.target))

#交叉验证
print("
------交叉验证------")
# 高斯分布型
g = GaussianNB()
g_scores = cross_val_score(g, iris.data, iris.target, cv=10)
print('高斯分布型精确度:%.2f' % g_scores.mean())

# 多项式型
m = MultinomialNB()
m_scores = cross_val_score(m, iris.data, iris.target, cv=10)
print('多项式型精确度:%.2f' % m_scores.mean())

# 伯努利型
b = BernoulliNB()
b_scores = cross_val_score(b, iris.data, iris.target, cv=10)
print('多项式型精确度:%.2f' % b_scores.mean())

结果：