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。

简述什么是监督学习与无监督学习。

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，而聚类的目的是将一系列的点分成若干类，事先是没有类别的。

他们的联系：两者都是要从数据集中寻找到离目标点最近的点（数据）。

监督学习：从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习就是最常见的分类问题，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。监督学习的目标往往是让计算机去学习我们已经创建好的分类系统。

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。通俗点将就是实际应用中，不少情况下无法预先知道样本的标签，也就是说没有训练样本对应的类别，因而只能从原先没有样本标签的样本集开始学习分类器设计。

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
from sklearn.naive_bayes import GaussianNB
from sklearn.naive_bayes import MultinomialNB
from sklearn.naive_bayes import BernoulliNB
from sklearn.model_selection import cross_val_score
iris = load_iris()
x = iris[‘data‘]
y = iris[‘target‘]

# 高斯分布型
gnb = GaussianNB() #建立模型
gnb.fit(x , y)  #模型训练
gnb_pre = gnb.predict(x)   #分类预测
gnb_scores =cross_val_score(gnb, x, y, cv=10) #进行交叉验证
print("交叉验证后的精度：",gnb_scores.mean())

# 多项式型
mnb = MultinomialNB() #建立模型
mnb.fit(x , y)  #模型训练
mnb_pre = mnb.predict(x)   #分类预测
mnb_scores =cross_val_score(mnb, x, y, cv=10) #进行交叉验证
print("交叉验证后的精度：",mnb_scores.mean())

# 伯努利型
bnb = BernoulliNB() #建立模型
bnb.fit(x , y)  #模型训练
bnb_pre = bnb.predict(x)   #分类预测
bnb_scores =cross_val_score(bnb, x, y, cv=10) #进行交叉验证
print("交叉验证后的精度：",bnb_scores.mean())