11.分类与监督学习，朴素贝叶斯分类算法

Posted 2020-12-19 fzybk

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。

 分类是为了确定点的类别，具体有哪些类别是已知的，是监督学习。

聚类是把点成若干类，事先是没有类别的，是一种无监督学习。

 

监督学习：从正确的例子中学习

无监督学习：缺乏足够的先验知识

 

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

 

设特征 性别=‘男’，年龄<70, KILLP=‘I‘，饮酒=‘是’，吸烟≈‘是”，住院天数<7 分别为x1,x2,x3,x4,x5,x6

X为患此病且符合特征的概率，y1为患心梗概率，y2为患不稳定性心绞痛概率。

首先患心梗的概率为P（y1）=16/20=4/5

患不稳定性心绞痛的概率为P（y2）=1/5

所以患心梗且性别男的概率即为

P（x1|y1）=7/16

同样的可以找出患心梗且拥有其他特征的

P（x2|y1）=4/16=1/4   P（x3|y1）=9/16     

P（x4|y1）=3/16   P（x5|y1）=7/16

P（x6|y1）=4/16=1/4

 

P（X|y1）=P（x1|y1）P（x2|y1）P（x3|y1）P（x4|y1）P（x5|y1）P（x6|y1）

 

男的患有心脏病的概率

P（x1）=8/20

年龄<70患有心脏病的概率

P（x2）=5/20

······

P（x3）= 10/20   P（x4）=4/20  P（x5）=9/20  P（x6）=6/20

P（X）=P（x1）P（x2）P（x3）P（x4）P（x5）P（x6）

 

又由朴素贝叶斯定理可得

可得

 

 

 

患有心梗的概率为：≈75%

所以患有不稳定性心绞痛的概率为：≈25%

所以该男子最有可能患有心梗。

 

 

 

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。