标签：span 数据 .data 分类 imp fit 分享图片 clust 输入
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。
简述什么是监督学习与无监督学习。
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。
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。
from sklearn.datasets import load_iris iris =load_iris() iris.keys() from sklearn.cluster import KMeans est = KMeans(n_clusters=4) ##配置，构造 est.fit(iris.data) ##计算 est.labels_ ##聚类结果 iris.target from sklearn.naive_bayes import GaussianNB gnb=GaussianNB() ##模型 gnb.fit(iris.data,iris.target) ##训练 gnb.predict([[4.8,3.5,4.2,1.2]]) ##预测
显示结果：
标签：span 数据 .data 分类 imp fit 分享图片 clust 输入
原文地址：https://www.cnblogs.com/huang201606050002/p/9997829.html
