机器学习十一 ——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。

联系：均是用于对数据进行分类的机器学习方法

区别：

分类	聚类
监督学习	无监督学习
有标签的和无标签的都有	数据无标签

 

 

 

 

 

 

 

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

 由表格可知

心梗条件下：

P(男 | 心梗) = 7/16 

P(年龄<70 | 心梗) = 4/16  

P( KILLP=‘I' | 心梗) = 9/16

P( 饮酒=‘是’ | 心梗) = 3/16

P( 吸烟=‘是’ | 心梗) = 7/16

P( 住院天数<7 | 心梗) = 4/16

 

不稳定性心绞痛条件下：

P(男 | 不稳定性心绞痛) = 1/4

P(年龄<70 | 不稳定性心绞痛) = 1/4  

P( KILLP=‘I' | 不稳定性心绞痛) = 1/4

P( 饮酒=‘是’ | 不稳定性心绞痛) = 1/4

P( 吸烟=‘是’ | 不稳定性心绞痛) = 1/2

P( 住院天数<7 | 不稳定性心绞痛)= 1/2

 

设X为各特征的集合{性别=“男”、年龄<70，KILLP=‘I' ，饮酒=‘是‘， 吸烟=‘是’ ，住院天数<7},Y1为心梗，Y2为不稳定性心绞痛，根据贝叶斯定理

P(Y1 | X) = （ P(X | Y1)P(Y1) ）/  P(X)

P(Y2 | X) = （ P(X | Y2)P(Y2) ）/  P(X)

 

要比较P(Y1 | X)和P(Y2 | X) 哪一个概率更大，因为分母相同，所以直接比较分子即可

 P(X | Y1)P(Y1) = P(男 | 心梗) * P(年龄<70 | 心梗)*  P( KILLP=‘I' | 心梗)*P( 饮酒=‘是’ | 心梗) *P( 吸烟=‘是’ | 心梗)*P( 住院天数<7 | 心梗)

　　　　　　    = 7/16 * 4/16 * 9/16 * 3/16 * 7/16 * 4/16 = 0.01614

 P(X | Y2)P(Y2) = P(男 | 不稳定性心绞痛) * P(年龄<70 | 不稳定性心绞痛)*  P( KILLP=‘I' | 不稳定性心绞痛)*P( 饮酒=‘是’ | 不稳定性心绞痛) *P( 吸烟=‘是’ | 不稳定性心绞痛)*P( 住院天数<7 | 不稳定性心绞痛)

　　　　　　　 = 1/4 * 1/4 * 1/4 * 1/4 * 1/2 * 1/2 = 0.00312

因为P(X | Y1)P(Y1) > P(X | Y2)P(Y2) ,

所以该新实例最可能得的是心梗。

 

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.naive_bayes import GaussianNB
from sklearn.naive_bayes import MultinomialNB
from sklearn.naive_bayes import BernoulliNB
from sklearn.model_selection import cross_val_score 

iris = load_iris()

#建模型
GNB_Model = GaussianNB()
MNB_Model = MultinomialNB()
BNB_Model = BernoulliNB()

#训练模型
GNB_pre = GNB_Model.fit(iris.data,iris.target)
MNB_pre = MNB_Model.fit(iris.data,iris.target)
BNB_pre = BNB_Model.fit(iris.data,iris.target)

#分类预测
y_GNB = GNB_pre.predict(iris.data)
y_MNB = MNB_pre.predict(iris.data)
y_BNB = BNB_pre.predict(iris.data)

#查看预测结果
print("GNB预测总数:", iris.data.shape[0])
print("GNB预测正确个数:",(iris.target == y_GNB).sum())
print("MNB预测总数:", iris.data.shape[0])
print("MNB预测正确个数:",(iris.target == y_MNB).sum())
print("BNB预测总数:", iris.data.shape[0])
print("BNB预测正确个数:",(iris.target == y_BNB).sum())

#交叉验证
GNB_scores = cross_val_score(GNB_Model,iris.data,iris.target,cv=10)
print("高斯分布模型交叉验证平均准确度：",GNB_scores.mean())
MNB_scores = cross_val_score(MNB_Model,iris.data,iris.target,cv=10)
print("多项式模型交叉验证平均准确度：",MNB_scores.mean())
BNB_scores = cross_val_score(BNB_Model,iris.data,iris.target,cv=10)
print("伯努利模型交叉验证平均准确度：",BNB_scores.mean())

结果：

 

 

 

 

学习链接：

https://blog.csdn.net/m0_38056893/article/details/102775040