机器学习10贝叶斯

Posted 2020-12-19 renshenbenzuig

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。

联系：分类与聚类都是在数据集中寻找离自己最近的点

区别：分类是一种有监督学习，目的是为了确定点的类别，而类别是已知的；聚类是一种无监督学习，目的是将点分为成若干个类，事先是没有类别的。

简述什么是监督学习与无监督学习。

 监督学习：在监督学习中的数据是带有标签的，知道输入和输出结果之间的关系，通过训练得到一个最优的模型

无监督学习：在无监督学习中数据是没有标签·的，不清楚数据、特征之间的关系，比起监督学习，无监督学习更像是让机器学会自己做事，自学

 

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

设置发生心梗的概率为X
设置发生不稳定性心绞痛为Y
设置发生(性别=‘男’，年龄<70, KILLP=‘I‘，饮酒=‘是’，吸烟≈‘是”，住院天数<7)的为Z

P(X)=16/20
P(男|X)=7/16
P(年龄<70|X)= 1/4
P(KILLP=I|X)= 9/16
P(饮酒|X)= 3/16
P(吸烟|X)= 7/16
P(住院天数<7|X)= 1/4

P(Y)=4/20
P(男|Y)=1/4
P(年龄<70|Y)= 1/4
P(KILLP=I|Y)= 1/4
P(饮酒|Y)= 1/4
P(吸烟|Y)= 1/2
P(住院天数<7|Y)= 1/2

P(Z)=8/20 * 5/20 * 10/20 * 4/20 * 9/20 * 6/20=54/40000

根据贝叶斯公式
P(X|Z)=P(Z|X)P(X)/P(Z)
=((7/16 * 4/16 * 9/16 * 3/16 * 7/16 * 4/16) * 16/20) / (54/40000) 
≈75%

同理
P(Y|Z)=P(Z|Y)P(Y)/P(Z)
=((1/4 * 1/4 * 1/4 * 1/4 * 1/2 * 1/2) *4/20)/ (54/40000) 
≈15%

P(X|Z)>P(Y|Z)
故应该为心梗

　　

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

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split,cross_val_score
from sklearn.naive_bayes import GaussianNB,MultinomialNB,BernoulliNB
from sklearn import metrics

#数据处理
data=load_iris()
x = data[‘data‘]
y = data[‘target‘]
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3,random_state=5)

#高斯分布型
gnb=GaussianNB()
gnb.fit(x_train,y_train)
print("----------------高斯分布型------------------")
print(‘准确率指标：‘,metrics.accuracy_score(y_test,gnb.predict(x_test)))
print(‘交叉验证后：‘,cross_val_score(gnb,x_test,y_test,cv=10).mean())

print("----------------多项式型------------------")
mnb=MultinomialNB()
mnb.fit(x_train,y_train)
print(‘准确率指标：‘,metrics.accuracy_score(y_test,mnb.predict(x_test)))
print(‘交叉验证后：‘,cross_val_score(mnb,x_test,y_test,cv=10).mean())

print("----------------伯努利型------------------")
bnb=BernoulliNB()
bnb.fit(x_train,y_train)
print(‘准确率指标：‘,metrics.accuracy_score(y_test,bnb.predict(x_test)))
print(‘交叉验证后：‘,cross_val_score(bnb,x_test,y_test,cv=10).mean())