分类与监督学习，朴素贝叶斯分类算法

Posted 2021-01-21 huang201606050002

---

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：