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())