11.分类与监督学习，朴素贝叶斯分类算法

标签：一个   类型   关于   实例   高斯   nbsp   core   idt   利用   

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。

 答：（1）联系：分类与聚类都是对对象的一种划分，两者都用到了NN算法。

　　　　   区别：分类是为了确定一个点的类别，类别是已知的，常用算法是KNN算法。

　　　　　　       聚类是为了将一系列点分成若干类，最初是没有类别的，它的类别是在聚类过程中自动生成的，常用算法是K-Means算法。

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。

答：手动演算过程

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。

11.分类与监督学习，朴素贝叶斯分类算法

标签：一个   类型   关于   实例   高斯   nbsp   core   idt   利用   

原文地址：https://www.cnblogs.com/momo-er/p/12851798.html