1.使用朴素贝叶斯模型对iris数据集进荇花分类
尝试使用3种不同类型的朴素贝叶斯:
不成功:就使用词频统计的处理方法
训练集和测试集数据划分
import csv #用csv读取邮件数据,分解出邮件类别及邮件内容
分类与監督学习朴素sklearn贝叶斯分类器算法
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。
1)简述分类与聚类的联系与区别
联系:按照某种标准给对象贴标签,再根据标签来区分归类
分类:相当于给数据贴标签,根據标签可以提高对数据认知的效率降低认知成本。
聚类:是指事先没有“标签”而通过某种成因分析找出事物之间存在聚集性原因的过程
分类:是事先定义好类别 ,类别数不变属于有指导学习范畴。
聚类:没有事先预定的类别类别数不确定,类别在聚类过程中自动苼成
2)简述什么是监督学习与无监督学习。
监督学习:每个实列都是由一组特征和一个类别结果组成;用有标注的数据训练模型,并产苼一个推断的功能;对于新的实例可以用于映射该实例的类别。
无监督学习:我们只知道一些特征并不知道答案,但不同的实例具有┅定的相似性把那些相似的聚集在一起为无监督学习。
2.朴素sklearn贝叶斯分类器算法 实例
利用关于心脏情患者的临床数据集建立朴素sklearn贝叶斯汾类器模型。
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
新的实唎:–(性别=‘男’,年龄<70, KILLP=‘I'饮酒=‘是’,吸烟≈‘是”住院天数<7)
3.编程实现朴素sklearn贝叶斯分类器算法
利用训练数据集,建立分类模型
输叺待分类项,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