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。

简述什么是监督学习与无监督学习。

分类，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervised learning (监督学习)，

 聚类，简单地说就是把相似的东西分到一组，聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起。因此，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在Machine Learning中被称作unsupervised learning (无监督学习).

2.朴素贝叶斯分类算法 实例

利用关于心脏情患者的临床数据集，建立朴素贝叶斯分类模型。

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？

上传演算过程。

 

3.编程实现朴素贝叶斯分类算法

利用训练数据集，建立分类模型。

输入待分类项，输出分类结果。

可以心脏情患者的临床数据为例，但要对数据预处理。

import pandas as pd


def get(data,dic,result_doc):
    r1,r2,r3 = result_doc#第一个值为疾病 2心梗  3心绞痛
    df1 = data.groupby([r1]).size().reset_index()
    geng = 0
    jiao = 0
    for i,j in df1.values:
        if(i == r2):
            geng = j
        else:
            jiao = j
    temp1 =1
    temp2 = 1
    for i,j in dic.items():
        #a = data.ix[:,[i,'疾病']]
        df=data.groupby([i,r1]).size().reset_index()
        for a,b,c in df.values:
            if(a==j and b==r2):
                temp1 = temp1*c/geng
    for i,j in dic.items():
        #a = data.ix[:,[i,'疾病']]
        df=data.groupby([i,r1]).size().reset_index()
        for a,b,c in df.values:
            if(a==j and b==r3):
                temp2 = temp2*c/jiao

    if geng/len(data)*(temp1/temp2) > jiao/len(data)*(temp1/temp2):
        return '心梗'
    else:
        return '心绞'


if __name__ == '__main__':
    data = pd.read_excel("d:/my_excel.xlsx")
    dic = {'性别': '男', '年龄': '<70', 'KILLP': '1', '饮酒': '是', '吸烟': '是', '住院天数': '<7'}
    print(get(data,dic,['疾病','心梗','不稳定性心绞痛']))

from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_iris
iris = load_iris()
gnb = GaussianNB()  
gnb.fit(iris.data,iris.target)  
gnb.predict([[4.8, 3.5 , 4.2, 1.2])