分类与监督学习，朴素贝叶斯分类算法（带你理解朴素贝叶斯分类算法）

分类与监督学习，朴素贝叶斯分类算法（带你理解朴素贝叶斯分类算法）

(1)简述分类与聚类的联系与区别。

联系：两者都是对于想要分析的目标点，都会在数据集中寻找它最近的点，即二者都用到了NN算法。

区别：

分类：从机器学习的观点，分类技术是一种有指导的监督学习，即每个训练样本的数据对象已经有类标识，通过学习可以形成表达数据对象与类标识间对应的知识。

聚类：在机器学习中，聚类是一种无指导的无监督学习。也就是说，聚类是在预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类的一种方法。

(2)简述什么是监督学习与无监督学习。

监督学习：表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果，不断修正机器的预测结果。

无监督学习：表示机器学习的数据是没有标记的。机器从无标记的数据中探索并推断出潜在的联系。

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

朴素贝叶斯公式：

计算：

p(实例) = 8/20 * 5/20 * 10/20 * 4/20 * 9/20 * 6/20 = 54/40000

p(心梗 / 实例) = ( 7/16 * 4/16 * 9/16 * 3/16 * 7/16 * 4/16 ) * 16/20 / ( 54/40000 ) ≈ 75%

p(不稳定性心绞痛 / 实例) = ( 1/4 * 1/4 * 1/4 * 1/4 * 2/4 * 2/4 * 1/4 ) * 4/20 / (54 / 40000) ≈ 15%

由于p(心梗 / 实例) > p(不稳定性心绞痛 / 实例) ，所以该实例最可能患心梗

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。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

##朴素贝叶斯算法

# 导入朴素贝叶斯模型

from sklearn.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB

# 模型交叉验证

from sklearn.model_selection import cross_val_score

# 导入鸢尾花数据库

from sklearn.datasets import load_iris

# 导入鸢尾花数据集

iris = load_iris()

x = iris['data']

y = iris['target']

### 高斯分布型

# 构建模型

GNB_model = GaussianNB()

# 训练模型

GNB_model.fit(x, y)

# 预测模型

GNB_pre = GNB_model.predict(x)

print("高斯分布型:")

print("模型准确率：", sum(GNB_pre == y)/len(x))

# 模型交叉验证得分

GNB_score = cross_val_score(GNB_model, x, y, cv=10)

print("平均精度：%.2f\n" % GNB_score.mean())

### 多项式型

# 构建模型

MNB_model = MultinomialNB()

# 训练模型

MNB_model.fit(x, y)

# 预测模型

MNB_pre = MNB_model.predict(x)

print("多项式型:")

print("准确率：", sum(MNB_pre == y)/len(x))

# 模型交叉验证得分

MNB_score = cross_val_score(MNB_model, x, y, cv=10)

print("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:")

print("模型准确率：", sum(BNB_pre == y)/len(x))

# 模型交叉验证得分

BNB_score = cross_val_score(BNB_model, x, y, cv=10)

print("平均精度：%.2f\n" % BNB_score.mean())

__EOF__

作　　者：Raicho

出　　处：https://cnblogs.com/lzhdonald

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。