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?
分类与聚类:是把某个对象划分到某个具体的已经定义的类别当中,而聚类是把一些对象按照具体特征组织到若干个类别里。
虽然都是把某个对象划分到某个类别中,但是分类的类别是已经预定义的,而聚类操作时,某个对象所属的类别
却不是预定义的,而是可以根据情况做若干个聚类中心。
简述什么是监督学习与无监督学习。
监督学习与无监督学习:对于新的实例,监督学习可以用于映射出该实例的类别。 对于无监督学习,我们只知道特征,并不知
道答案,不同的实例具有一定的相似性,把那些相似的聚集在一起。
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。
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。
代码:
#3.编程实现朴素贝叶斯分类算法 from sklearn.datasets import load_iris iris = load_iris() iris.data[55] iris.target[55] from sklearn.naive_bayes import GaussianNB gnb = GaussianNB() #模型 gnb.fit(iris.data,iris.target) #训练 gnb.predict([iris.data[12]]) #分类
运行结果:
原文地址:https://www.cnblogs.com/123-feng/p/9962622.html
时间: 2024-09-30 01:52:23