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。
(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。
##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())
上一篇: 【Spring】Bean的自动装配
下一篇: python中移除列表元素所遇到的坑