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。

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.

分类与聚类：

联系：分类和聚类都包含一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点，即二者都用到了NN算法。

区别：分类的目的是为了确定一个点的类别 ，聚类的目的是将一系列点分成若干类，事先是没有类别的，即分类是已知的，聚类是未知的；分类是一种监督学习，聚类是一种无监督学习，分类一般用KNN算法，聚类一般用K-Means算法

监督学习和无监督学习：

监督学习：从标记的训练数据来推断一个功能，从正确的例子中学习，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。

无监督学习：缺乏足够的先验知识，输入X，在数据（没有被标记）中发现一些规律。

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。

 解：

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。

3种不同类型的朴素贝叶斯对iris数据集进行花分类：

代码：

结果：

对各模型进行交叉验证：

 结果：