1.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。

分类与聚类的联系：两者有一个共同点，它们都包含这样一个过程：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算法。

分类与聚类的区别：分类的目的是为了确定一个点的类别，具体有哪些类别是已知的。常用的算法是KNN算法，是一种有监督学习。

                                聚类的目的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。

（2）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分类的能力。

无监督学习：输入数据没有被标记，也没有确定的结果。样本数据类别未知，需要根据样本间的相似性对样本集进行分类试图使类内差距最小化，类间差距最大化。

 

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。

from sklearn.datasets import load_iris
from sklearn.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB
from sklearn.model_selection import cross_val_score

#提取数据
iris = load_iris()
#数据准备
x = iris.data
y = iris.target

#1、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)   #模型预测
print('1、高斯分布型：')
print('模型的准确率： ', sum(GNB_pre == y)/len(x))
#交叉验证
GNB_scores = cross_val_score(GNB_model, x, y, cv=10)
print('交叉验证结果： ', GNB_scores.mean())

#2、多项式型
MNB = MultinomialNB()  # 构建模型
MNB.fit(x, y)  # 训练模型
MNB_pre = MNB.predict(x)  # 预测模型
print("2、多项式型:")
print("模型准确率：", sum(MNB_pre == y)/len(x))
# 进行交叉验证
MNB_score = cross_val_score(MNB, x, y, cv=10)
print("交叉验证结果：" , MNB_score.mean())

#3、伯努利型
BNB = BernoulliNB()  #构建模型
BNB.fit(x, y)   #训练模型
BNB_pre = BNB.predict(x)   #模型预测
print('3、伯努利型：')
print('模型的准确率： ', sum(BNB_pre == y)/len(x))
#交叉验证
BNB_scores = cross_val_score(BNB, x, y, cv=10)
print('交叉验证结果： ', BNB_scores.mean())

结果：