码迷,mamicode.com
首页 > 编程语言 > 详细

分类与监督学习,朴素贝叶斯分类算法

时间:2018-11-19 11:15:34      阅读:194      评论:0      收藏:0      [点我收藏+]

标签:因子   分析   直接   类变量   描述   区分   定义   通过   聚集   

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。

分类指监督学习,就是按照某种标准给对象贴标签,再根据标签来区分归类。

聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。指无监督学习,是指根据“物以类聚”的原理,将本身没有类别的样本聚集成不同的组,这样的一组数据对象的集合叫做簇,并且对每一个这样的簇进行描述的过程。

区别是,分类是事先定义好类别 ,聚类则没有事先预定的类别。

 

简述什么是监督学习与无监督学习。

监督学习指通过已有的训练样本来训练,从而得到一个最优模型,再利用这个模型将所有新的数据样本映射为相应的输出结果,对输出结果进行简单的判断从而实现分类的目的,那么这个最优模型也就具有了对未知数据进行分类的能力。

无监督学习则是在我们事先没有任何训练样本,需要直接对数据进行建模。我们只知道一些特征,并不知道答案,但不同实例具有一定的相似性,然后把那些相似的聚集在一起

 

2.朴素贝叶斯分类算法 实例

利用关于心脏情患者的临床数据集,建立朴素贝叶斯分类模型。

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?

上传演算过程。

 技术分享图片

所以最可能得心梗。

3.编程实现朴素贝叶斯分类算法

利用训练数据集,建立分类模型。

输入待分类项,输出分类结果。

可以心脏情患者的临床数据为例,但要对数据预处理。

分类与监督学习,朴素贝叶斯分类算法

标签:因子   分析   直接   类变量   描述   区分   定义   通过   聚集   

原文地址:https://www.cnblogs.com/1998hxw/p/9981435.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!