一、理解分类与监督学习、聚类与无监督学习。
1、简述分类与聚类的联系与区别。
（1）联系：分类和聚类都包含一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点。
（2）区别：分类是可按已知规则进行。分类则属于有指导的学习，是示例式学习。
聚类要划分的类是未知的。聚类是一种无指导学习，它不依赖预先定义的类和带类标 、号的训练实例，属于观察式学习。
2、 简述什么是监督学习与无监督学习。
（1）监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。
（2）无监督学习：缺乏足够的先验知识，根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。
二、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 |
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
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 # 导入数据集 from sklearn.naive_bayes import GaussianNB # 导入分布型高斯贝叶斯 from sklearn.naive_bayes import MultinomialNB # 导入多项式型高斯贝叶斯 from sklearn.naive_bayes import BernoulliNB # 导入伯努利型高斯贝叶斯 from sklearn.model_selection import cross_val_score # 导入交叉验证分数 #导入鸢尾花数据集 iris = load_iris() x = iris["data"] y = iris["target"] # 1、高斯分布 gnb = GaussianNB() # 构建模型 gnb_model = gnb.fit(x,y) # 构建模型 gnb_pre = gnb_model.predict(x) # 预测模型 print("高斯分布模型准确率为：", sum(gnb_pre == y) / len(x)) # 交叉验证 print("交叉验证后") gnb_score = cross_val_score(gnb,x,y,cv=10) print("高斯分布模型准确率为：",gnb_score.mean()," ") # 2、多项式型 mnb = MultinomialNB() # 构建模型 mnb_model = mnb.fit(x,y) # 训练模型 mnb_pre = mnb_model.predict(x) # 预测模型 print("多项式模型准确率为：", sum(mnb_pre == y) / len(x)) # 交叉验证 print("交叉验证后") mnb_score = cross_val_score(mnb,x,y,cv=10) print("多项式模型准确率为：",mnb_score.mean()," ") # 3、伯努利型 bnb = BernoulliNB() # 构建模型 bnb_model = bnb.fit(x,y) # 训练模型 bnb_pre = bnb.predict(x) # 预测模型 print("伯努利模型准确率为：", sum(bnb_pre == y) / len(x)) # 交叉验证 print("交叉验证后") bnb_score = cross_val_score(bnb,x,y,cv=10) print("伯努利模型准确率为：",bnb_score.mean()," ")
运行结果：
