11 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。

分类就是按照数据的属性给对象贴上标签，再根据标签来分类，属于无监督学习，聚类就是指事先定义好类别，然后通过某种度量（比如距离）将他们分类。

简述什么是监督学习与无监督学习。

　　有监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现预测和分类的目的，也就具有了对未知数据进行预测和分类的能力。就如有标准答案的练习题，然后再去考试，相比没有答案的练习题然后去考试准确率更高。又如我们小的时候不知道牛和鸟是否属于一类，但当我们随着长大各种知识不断输入，我们脑中的模型越来越准确，判断动物也越来越准确。

　　无监督学习：我们事先没有任何训练样本，而需要直接对数据进行建模。比如我们去参观一个画展，我们完全对艺术一无所知，但是欣赏完多幅作品之后，我们也能把它们分成不同的派别。无监督学习主要算法是聚类，聚类目的在于把相似的东西聚在一起，主要通过计算样本间和群体间距离得到，主要算法包括Kmeans、层次聚类、EM算法。

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

 

答：

 设X{x1，x2，x，x1，x1，x1}为影响疾病的因素

Y{y1，y2}为疾病类型，y1为心梗、y2为不稳定性心绞痛

则P(y1)=16/20，P(y2)=4/20，P(X)=1

P(y1|X)=P(X|y1)P(y1)/P(X)=P(x1|y1)P(x2|y1)P(x3|y1)P(x4|y1)P(x5|y1)P(x6|y1)P(y1)/P(X)=7/16*4/16*9/16*3/16*7/16*4/16*16/20/1=0.1009%

P(y2|X)=P(X|y2)P(y2)/P(X)=P(x1|y2)P(x2|y2)P(x3|y2)P(x4|y2)P(x5|y2)P(x6|y2)P(y2)/P(X)=1/4*1/4*1/4*1/4*2/4*2/4*4/20/1=0.0195%

故最可能是心梗。

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

 

#高斯分布型

from sklearn.datasets import load_iris           #导入鸢尾花数据集

from sklearn.naive_bayes import GaussianNB       #导入高斯朴素贝叶斯模型

from sklearn.model_selection import cross_val_score    #模型评估

 

iris=load_iris()        #读取数据

model=GaussianNB()      #构建模型

pre=model.fit(iris.data,iris.target)  #训练模型

y_pre=pre.predict(iris.data)          #模型预测

print("数据总数：",iris.data.shape[0])

print("预测正确个数为：",(iris.target == y_pre).sum())

print("预测错误个数为：",(iris.target != y_pre).sum())

score=cross_val_score(model,iris.data,iris.target,cv=10)     #交叉验证

print("高斯朴素贝叶斯模型准确率为：",score.mean())