第十次 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。

区别：

分类的目的是为确定一个点的类别，具体有哪些类别是已知的，常用算法是KNN，是一种有监督学习。

聚类的目的是将一系列点分为若干类，事先是没有类别的，常用算法是K-Means,是一种无监督学习。

联系：

两种的实现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他最近的点，即两者都用到了NN算法。

简述什么是监督学习与无监督学习。

  监督学习：是人们常说的分类，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（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），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：是另一种研究的比较多的学习方法，它与监督学习的不同之处，在于我们事先没有任何训练样本，而需要直接对数据进行建模。

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。

计算过程：

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  # 导入数据集
from sklearn.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB  # 导入3种不同类型的朴素贝叶斯API
from sklearn.model_selection import cross_val_score  # 交叉验证

# 引入数据集
iris = load_iris()
# 分割数据集
x = iris[‘data‘]
y = iris[‘target‘]

# 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)  # 预测模型
print("高斯分布型的朴素贝叶斯:")
print("模型准确率：", sum(GNB_pre == y)/len(x))
# 进行交叉验证
GNB_score = cross_val_score(GNB_model, x, y, cv=10)
print("交叉验证后模型的平均精度：%.2f\n" % GNB_score.mean())

# 多项式型
MNB_model = MultinomialNB()  # 构建模型
MNB_model.fit(x, y)  # 训练模型
MNB_pre = MNB_model.predict(x)  # 预测模型
print("多项式型的朴素贝叶斯:")
print("模型准确率：", sum(MNB_pre == y)/len(x))
# 进行交叉验证
MNB_score = cross_val_score(MNB_model, x, y, cv=10)
print("交叉验证后模型的平均精度：%.2f\n" % MNB_score.mean())

# 伯努利型
BNB_model = BernoulliNB()  # 构建模型
BNB_model.fit(x, y)  # 训练模型
BNB_pre = BNB_model.predict(x)  # 预测模型
print("伯努利型的朴素贝叶斯:")
print("模型准确率：", sum(BNB_pre == y)/len(x))
# 进行交叉验证
BNB_score = cross_val_score(BNB_model, x, y, cv=10)
print("交叉验证后模型的平均精度：%.2f\n" % BNB_score.mean())

实验截图：