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。

答：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，即二者都用到了NN（Nears Neighbor）算法。

　　② 区别：分类是为了确定一个点的类别，具体有哪些类别是已知的，常用算法是KNN算法，是一种无监督学习；

　　　　　　 聚类是将一系列点分成若干类，事先是没有类别的，常用算法是K-Means算法，是一种无监督学习。

简述什么是监督学习与无监督学习。

答：① 监督学习：从正确的例子中学习；每个实例都是由一个输入对象和一个期望的输出值组成；任务是分类和回归。

　　② 无监督学习：缺乏足够的先验知识；在数据（没有被标记）中发现一些规律；任务是聚类和降维。

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。

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, MultinomialNB, BernoulliNB  # 导入3种不同类型的朴素贝叶斯API
from sklearn.model_selection import cross_val_score  # 交叉验证

# 引入数据集
iris = load_iris()
# 分割数据集
x = iris[‘data‘]
y = iris[‘target‘]

# 高斯分布型
GNB_model = GaussianNB()  # 构建模型
GNB_model.fit(x, y)  # 训练模型
GNB_pre = GNB_model.predict(x)  # 预测模型
# 进行交叉验证
GNB_score = cross_val_score(GNB_model, x, y, cv=10)
print("高斯分布型的朴素贝叶斯:")
print("模型的平均精度：%.3f\n" % GNB_score.mean())

# 多项式型
MNB_model = MultinomialNB()  # 构建模型
MNB_model.fit(x, y)  # 训练模型
MNB_pre = MNB_model.predict(x)  # 预测模型
# 进行交叉验证
MNB_score = cross_val_score(MNB_model, x, y, cv=10)
print("多项式型的朴素贝叶斯:")
print("模型的平均精度：%.3f\n" % MNB_score.mean())

# 伯努利型
BNB_model = BernoulliNB()  # 构建模型
BNB_model.fit(x, y)  # 训练模型
BNB_pre = BNB_model.predict(x)  # 预测模型
# 进行交叉验证
BNB_score = cross_val_score(BNB_model, x, y, cv=10)
print("伯努利型的朴素贝叶斯:")
print("模型的平均精度：%.3f\n" % BNB_score.mean())

运行结果如下：