作业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：分类是已知这个数据集有多少个种类，我们需要将每一条记录分别属于哪一类标记出来；

例如：我们在对学生性别进行分类时，会将其分为“男”，“女”两类；

聚类：聚类是不知道该数据集包含了多少种类，我们需要将数据集中相似的数据归纳在一起，聚为一类；

例如：预测学生的喜好团体，根据他们的相似性进行聚类，聚成几个团体；

 

简述什么是监督学习与无监督学习。

监督学习：通过已有的训练样本（即已知数据以及其对应的输出）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分类的目的，也就具有了对未知数据进行分类的能力。

无监督学习：没有任何训练样本，需要直接对数据进行建模。无监督学习里典型的例子就是聚类了，聚类的目的在于把相似的东西聚在一起。

 

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。

 高斯分布型

 源代码：

# 使用朴素贝叶斯模型对iris数据集进行花分类
from sklearn.datasets import load_iris  # 导入鸢尾花数据
iris = load_iris()
from sklearn.naive_bayes import GaussianNB  # 高斯朴素贝叶斯
gnb = GaussianNB()   # 构建高斯分布模型
pre = gnb.fit(iris.data,iris.target)  # 模型训练
y_pre = pre.predict(iris.data)   # 数据预测
print("鸢尾花数据总数为:",iris.data.shape[0])  # 数据集总数
print("预测错误个数为:",((iris.target != y_pre).sum()))  # 分类预测错误的数量
# 对高斯分布模型进行交叉验证
from sklearn.model_selection import cross_val_score
score = cross_val_score(gnb, iris.data, iris.target, cv=10)
print("高斯分布型准确率为:" ,score.mean())

运行结果：

 

 

多项式型

源代码：

# 使用多项式型对iris数据集进行花分类
from sklearn.datasets import load_iris  # 导入鸢尾花数据
iris = load_iris()
from sklearn.naive_bayes import MultinomialNB  # 多项式型
mnb = MultinomialNB()    # 构建模型
pre = mnb.fit(iris.data, iris.target)  # 模型训练
y_pre = pre.predict(iris.data)   # 数据预测
print("鸢尾花数据总数为:",iris.data.shape[0])  # 数据集总数
print("预测错误个数为:",((iris.target != y_pre).sum()))  # 分类预测错误的数量
# 对多项式型进行交叉验证
from sklearn.model_selection import cross_val_score
score = cross_val_score(mnb,iris.data,iris.target,cv=10)
print("多项式型预测准确率为:",score.mean())

运行结果：

 

 

伯努利型

 源代码：

# 使用伯努利型对iris数据集进行花分类
from sklearn.datasets import load_iris  # 导入鸢尾花数据
iris = load_iris()
from sklearn.naive_bayes import BernoulliNB
bnb = BernoulliNB()    # 模型构建
pre = bnb.fit(iris.data, iris.target)  # 模型训练
y_pre = pre.predict(iris.data)   # 数据预测
print("鸢尾花数据总数为:",iris.data.shape[0])  # 数据集总数
print("预测错误个数为:",((iris.target != y_pre).sum()))  # 分类预测错误的数量
# 对伯努利式型进行交叉验证
from sklearn.model_selection import cross_val_score
score = cross_val_score(bnb,iris.data,iris.target,cv=10)
print("伯努利型预测准确率为:",score.mean())

运行结果：