老師：missdu
提交作業
1.理解分類與監督學習、聚類與無監督學習。
簡述分類與聚類的聯絡與區別。
簡述什麼是監督學習與無監督學習。
答：監督學習：根據已有的資料集，知道輸入和輸出結果之間的關係。根據這種已知的關係，訓練得到乙個最優的模型。
無監督學習：我們不知道資料集中資料、特徵之間的關係，而是要根據聚類或一定的模型得到資料之間的關係。
2.樸素貝葉斯分類演算法 例項
利用關於心臟病患者的臨床歷史資料集，建立樸素貝葉斯心臟病分類模型。
有六個分類變數(分類因子)：性別，年齡、killp評分、飲酒、吸菸、住院天數
目標分類變數疾病：
–心梗–不穩定性心絞痛
新的例項：–(性別=『男』，年齡<70, killp=『i'，飲酒=『是』，吸菸≈『是」，住院天數<7)
最可能是哪個疾病？
上傳手工演算過程。
性別年齡
killp
飲酒吸菸
住院天數疾病男
>80是是
7-14心梗女
70-80否是
<7心梗女
70-81否否
<7
不穩定性心絞痛
女<70否是
>14心梗男
70-80是是
7-14心梗女
>80否否
7-14心梗男
70-80否否
7-14心梗女
70-80否否
7-14心梗女
70-80否否
<7心梗男
<70否否
7-14心梗女
>80否是
<7心梗女
70-80否是
7-14心梗女
>80否是
7-14
不穩定性心絞痛
男70-80是是
>14
不穩定性心絞痛
女<70否否
<7心梗男
70-80否否
>14心梗男
<70是是
7-14心梗女
70-80否否
>14心梗男
70-80否否
7-14心梗女
<70否否
<7
不穩定性心絞痛
3.使用樸素貝葉斯模型對iris資料集進行花分類。
嘗試使用3種不同型別的樸素貝葉斯：
並使用sklearn.model_selection.cross_val_score()，對各模型進行交叉驗證。
11 分類與監督學習，樸素貝葉斯分類演算法
1.理解分類與監督學習 聚類與無監督學習。簡述分類與聚類的聯絡與區別。簡述什麼是監督學習與無監督學習。2.樸素貝葉斯分類演算法 例項 利用關於心臟病患者的臨床歷史資料集，建立樸素貝葉斯心臟病分類模型。有六個分類變數 分類因子 性別，年齡 killp評分 飲酒 吸菸 住院天數 目標分類變數疾病 心梗 ...
11 分類與監督學習，樸素貝葉斯分類演算法
1.理解分類與監督學習 聚類與無監督學習。簡述分類與聚類的聯絡與區別。聯絡 分類與聚類都是在資料集中尋找離自己最近的點 區別 分類是一種有監督學習，目的是為了確定點的類別，而類別是已知的 聚類是一種無監督學習，目的是將點分為成若干個類，事先是沒有類別的。簡述什麼是監督學習與無監督學習。監督學習 在監...
機器學習學習筆記之 監督學習之樸素貝葉斯分類器
樸素貝葉斯分類器的訓練速度比線性模型更快。這種高效率所付出的代價是，樸素貝葉斯模型的泛化能力要比線性分類器 如 logisticregression 和 linearsvc 稍差。樸素貝葉斯模型如此高效的原因在於，它通過單獨檢視每個特徵來學習引數，並從每個特徵中收集簡單的類別統計資料。scikit ...