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：目的是为了确定一个点的类别，具体哪些类别是已知的，常用的算法是KNN，是一种有监督学习。

　　聚类：是将一系列点分成若干类，事先没有类别的常用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。

 　　监督学习就是从标记的训练数据来判断一个功能，从正确的例子中学习，输入对（x，y）每个实例都是一个输入对象和一个期望输出值。

　　无监督学习：缺乏足够的先验知识，输入x在没有标记的数据中发现一些规律。

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

 

 

3.1高斯分布型

代码：

# -*- coding:utf-8 -*-
from sklearn.datasets import load_iris
iris =load_iris()
# print("我是iris",iris)
print(iris.keys())
print(iris.data.shape)
print(iris.target.shape)
print(iris.data[55])
print(iris.target[55])

#高斯贝叶斯算法
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()  #建立模型,漏加括号会报fit缺少y
gnb.fit(iris.data,iris.target)  #模型的训练
gnb.predict([[5.7,2.8,4.5,1.3]]) #  分类预测
y_gnb = gnb.predict(iris.data)
print("高斯分布的分类预测：",y_gnb)

 

3.2贝叶斯的多项式分布型

print("--------------贝叶斯的多项式分布型------------------")
from sklearn.naive_bayes import MultinomialNB
Mnb=MultinomialNB()
pred_mnb=Mnb.fit(iris.data,iris.target)  #模型的训练
# gnb.predict([[5.7,2.8,4.5,1.3]]) #  分类预测
y_pred_mnb = Mnb.predict(iris.data)
print("高斯分布的分类预测：",y_pred_mnb)

 

 

 3.3贝叶斯的伯努利型

print("--------------贝叶斯的伯努利型------------------")
from sklearn.naive_bayes import  BernoulliNB
bnl = BernoulliNB()
pred = bnl.fit(iris.data,iris.target) #构造模型
y_pred = pred.predict(iris.data)#预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())

 

 

 

并使用sklearn.model_selection.cross_val_score()，对各模型进行交叉验证。

3.1高斯分布之交叉验证

代码：

#交叉校验高斯贝叶斯的准确率
from sklearn.model_selection import cross_val_score
scores = cross_val_score(gnb,iris.data,iris.target,cv=15)
print(scores)
scores_mean = scores.mean()
print("高斯分布型准确率：",scores_mean)

3.2交叉验证贝叶斯的多项式分布 

print("--------交叉校验贝叶斯的多项式的准确率--------")
scores_Mnb = cross_val_score(Mnb,iris.data,iris.target,cv=10)
print(scores_Mnb)
scores_Mnbmean = scores_Mnb.mean()
print("贝叶斯的伯努利型的准确率：",scores_Mnbmean)

 

 

 

3.3贝叶斯的伯努利型交叉校验

print("--------交叉校验贝叶斯的伯努利型的准确率--------")
from sklearn.model_selection import cross_val_score
scores_bnl = cross_val_score(bnl,iris.data,iris.target,cv=10)
print(scores_bnl)
scores_bnlmean = scores_bnl.mean()
print("贝叶斯的伯努利型的准确率：",scores_bnlmean)