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。
联系：均是对数据进行分类操作
区别：分类是从已知的类别中找出相似的信息，然后对某一个点进行归类；聚类则是将大量的数据分成若干类，事先是没有准确的类别信息的；
简述什么是监督学习与无监督学习。
监督学习是对具有先验知识（事先标记）的数据进行训练学习判断，如分类、回归；无监督学习是对大量不具有先验知识（事先没有标记）的数据来进行学习判断，如聚类、降维。
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。
实现代码：
from sklearn.datasets import load_iris
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()
gnb = GaussianNB() #建立高斯分布模型
gnb_pre = gnb.fit(iris.data, iris.target) #模型训练
y_gnb = gnb_pre.predict(iris.data) #分类预测
print('GNB高斯分布型预测数据量及预测正确个数：',iris.data.shape[0],(iris.target == y_gnb).sum())
gnb_scores = cross_val_score(gnb, iris.data, iris.target, cv=10) #进行交叉验证
print("GNB Accuracy:%.6f" % gnb_scores.mean())
mnb = MultinomialNB() #构造多项式分布模型
mnb_pre = mnb.fit(iris.data, iris.target) #模型训练
y_mnb = mnb_pre.predict(iris.data) #分类预测
print('MNB多项式型预测数据量及预测正确个数：',iris.data.shape[0],(iris.target == y_mnb).sum())
mnb_scores = cross_val_score(mnb, iris.data, iris.target, cv=10) #进行交叉验证
print("MNB Accuracy:%.6f" % mnb_scores.mean())
bnb = BernoulliNB() #构造伯努利模型
bnb_pre = bnb.fit(iris.data, iris.target) #模型训练
y_bnb = bnb_pre.predict(iris.data) #分类预测
print('BNB伯努利型预测数据量及预测正确个数：',iris.data.shape[0],(iris.target == y_bnb).sum())
bnb_scores = cross_val_score(bnb, iris.data, iris.target, cv=10) #进行交叉验证
print("BNB Accuracy:%.6f" % bnb_scores.mean())
运行截图：
