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。
联系：分类与聚类都是通过预处理使得数据能基于一个分析目标而被整理。
区别：分类是有监督，靠的是学习；
聚类无监督，靠的是启发式搜索。
简述什么是监督学习与无监督学习。
有监督学习：事先知道训练样本的标签，通过挖掘将属于不同类别标签的样本分开，可利用得到的分类模型，预测样本属于哪个类别；
无监督学习：事先不知道样本的类别标签，通过对相关属性的分析，将具有类似属性的样本聚成一类。
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 from sklearn.naive_bayes import MultinomialNB from sklearn.naive_bayes import BernoulliNB from sklearn.model_selection import cross_val_score # 引入鸢尾花数据集 iris = load_iris() # 高斯分布型 g = GaussianNB() # 建立模型 g_model = g.fit(iris.data, iris.target) # 模型训练 g_pre = g_model.predict(iris.data) # 预测模型 print("高斯分布模型准确率：", sum(g_pre == iris.target) / len(iris.target)) # 多项式型 m = MultinomialNB() m_model = m.fit(iris.data, iris.target) m_pre = m_model.predict(iris.data) print("多项式模型准确率：", sum(m_pre == iris.target) / len(iris.target)) # 伯努利型 b = BernoulliNB() b_model = b.fit(iris.data, iris.target) b_pre = b.predict(iris.data) print("伯努利模型准确率：", sum(b_pre == iris.target) / len(iris.target)) #交叉验证 print("\n------交叉验证------") # 高斯分布型 g = GaussianNB() g_scores = cross_val_score(g, iris.data, iris.target, cv=10) print(‘高斯分布型精确度:%.2f‘ % g_scores.mean()) # 多项式型 m = MultinomialNB() m_scores = cross_val_score(m, iris.data, iris.target, cv=10) print(‘多项式型精确度:%.2f‘ % m_scores.mean()) # 伯努利型 b = BernoulliNB() b_scores = cross_val_score(b, iris.data, iris.target, cv=10) print(‘多项式型精确度:%.2f‘ % b_scores.mean())
结果：
原文：https://www.cnblogs.com/rushB/p/12853702.html