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。
分类：分类是根据文本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。
聚类 ：聚类是事先不知道数据会分为几类，通过分析将数据或者说用户的共同特点聚合成几个群体，聚类不需要对数据进行训练和学习。
简述什么是监督学习与无监督学习。
监督学习：针对的是有标签的数据集，对具有概念标记的训练样本进行学习，以尽可能对训练样本集外的数据进行标记预测。
无监督学习：针对的是没有标签的数据集，对没有概念标记的训练样本进行学习，以发现训练样本集中的结构性知识。
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 numpy as np import pandas data=pandas.read_excel('心脏病患者临床数据.xlsx') data #对性别进行处理（男为0，女为1） xingbie=[] for i in data['性别']: if i =='男': xingbie.append(0) else: xingbie.append(1) #对年龄段进行预处理（<70为1，70-80为2，>80为3） ages=[] for j in data['年龄']: if j =='<70': ages.append(1) elif j =='70-80': ages.append(2) else: ages.append(3) #对住院天数进行处理（<70为1，7-14为2，>14为3） days=[] for k in data['住院天数']: if k=='<7': days.append(1) elif k=='7-14': days.append(2) else: days.append(3) #处理后的数据 data1=data data1['性别']=xingbie data1['年龄']=ages data1['住院天数']=days #将数据转成数组 data_arr=np.array(data1) data_arr #利用贝叶斯算法对给定的组别进行分类 def NB(xingbie, ages, KILLP, drink, smoke, days): #初始化值 x1_y1,x2_y1,x3_y1,x4_y1,x5_y1,x6_y1 = 0,0,0,0,0,0 x1_y2,x2_y2,x3_y2,x4_y2,x5_y2,x6_y2 = 0,0,0,0,0,0 y1 = 0 y2 = 0 #计算为心梗的概率 for a in data_arr: if a[6]=='心梗': y1+=1 if a[0]==xingbie: x1_y1+=1 if a[1]==ages: x2_y1+=1 if a[2]==KILLP: x3_y1+=1 if a[3]==drink: x4_y1+=1 if a[4]==smoke: x5_y1+=1 if a[5]==days: x6_y1+=1 else:#计算患有不稳定性心绞痛的概率 y2+=1 if a[0]==xingbie: x1_y2+=1 if a[1]==ages: x2_y2+=1 if a[2]==KILLP: x3_y2+=1 if a[3]==drink: x4_y2+=1 if a[4]==smoke: x5_y2+=1 if a[5]==days: x6_y2+=1 #计算每种症状在心梗下的概率 x1_y1, x2_y1, x3_y1, x4_y1, x5_y1, x6_y1 = x1_y1/y1, x2_y1/y1, x3_y1/y1, x4_y1/y1, x5_y1/y1, x6_y1/y1 #计算每种症状在不稳定性心绞痛的概率 x1_y2, x2_y2, x3_y2, x4_y2, x5_y2, x6_y2 = x1_y2/y2, x2_y2/y2, x3_y2/y2, x4_y2/y2, x5_y2/y2, x6_y2/y2 #多个症状在心梗下的概率 x_y1 = x1_y1 * x2_y1 * x3_y1 * x4_y1 * x5_y1 * x6_y1 #多个症状在不稳定性心绞痛下的概率 x_y2 = x1_y2 * x2_y2 * x3_y2 * x4_y2 * x5_y2 * x6_y2 ##初始化各个特征x的值 x1,x2,x3,x4,x5,x6=0,0,0,0,0,0 for a in data_arr: if a[0]==xingbie: x1+=1 if a[1]==ages: x2+=1 if a[2]==KILLP: x3+=1 if a[3]==drink: x4+=1 if a[4]==smoke: x5+=1 if a[5]==days: x6+=1 lens = len(data_arr) #所有x的可能性 x = x1/lens * x2/lens * x3/lens * x4/lens * x5/lens* x6/lens # 分别计算心梗和不稳定性心绞痛的概率 y1_x = (x_y1)*(y1/lens)/x print(y1_x) y2_x = (x_y2)*(y2/lens)/x print(y2_x) # 判断是哪中疾病的可能更大 if y1_x > y2_x: print('病人患心梗的可能更大，可能性为：',y1_x) else: print('病人患不稳定性心绞痛的可能更大，可能性为：',y2_x) # 判断：性别=‘男’，年龄<70, KILLP=1，饮酒=‘是’，吸烟=‘是”，住院天数<7 NB(0,1,1,'是','是',1)
