首页 / 算法 / 11.分类与监督学习,朴素贝叶斯分类算法
11.分类与监督学习,朴素贝叶斯分类算法
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了11.分类与监督学习,朴素贝叶斯分类算法,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2437字,纯文字阅读大概需要4分钟。
内容图文
![11.分类与监督学习,朴素贝叶斯分类算法](/upload/InfoBanner/zyjiaocheng/633/0289e796e03f426ba64128d36e6e5d58.jpg)
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:分类和聚类都是把每一条记录归应到对应的类别,对于想用分析的目标点,都会在数据集寻找离它最近的点,二个都用到了NN算法,结果是一样的。
区别:对于分类来说,在对数据集分类时,我们是知道这个数据集是有多少种类的,比如对一个学校的在校大学生进行性别分类,我们会下意识很清楚知道分为“男”,“女”,也是一种监督学习,一般用KNN算法。
而对于聚类来说,在对数据集操作时,我们是不知道该数据集包含多少类,我们要做的,是将数据集中相似的数据归纳在一起。比如预测某一学校的在校大学生的好朋友团体,我们不知道大学生和谁玩的好玩的不好,我们通过他们的相似度进行聚类,聚成n个团体,这就是聚类,一般用K-Means算法。
简述什么是监督学习与无监督学习。
监督学习:通过已有的训练样本去训练得到一个最优模型,再利用这个模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现分类的目的,也就具有了对未知数据进行分类的能力。
无监督学习:在于我们事先没有任何训练样本,而需要直接对数据进行建模。
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 |
解:设x(x1~x6)为人的特征,y(y1:心梗,y2:不稳定性心绞痛)
性别为男的个数为8
年龄<7的个数为5
KILLP=‘I'个数为9
饮酒=‘是’个数为4
吸烟=‘是”个数为10
住院天数<7个数为6
概率p(心脏病)=8/20+5/20+9/20+4/20+10/20+6/20=2/5+1/4+9/20+1/5+1/2+3/10=0.00135
患有心梗疾病的个数为16,概率P(心梗)=16/20=4/20
在心梗的前提下是男性的个数为:7,概率P(男|心梗)=7/16
在心梗的前提下是年龄<70的个数为:4,概率P(年龄<70|心梗)=4/16=1/4
在心梗的前提下是KILLP=’1’的个数为:9,概率P(KILLP=’1’|心梗)=9/16
在心梗的前提下是饮酒=‘是’的个数为:3,概率P(饮酒=‘是’|心梗)=3/16
在心梗的前提下是吸烟=‘是’的个数为:7,概率P(吸烟=‘是’|心梗)=7/16
在心梗的前提下是住院天数<7的个数为:4,概率P(住院天数<7|心梗)=4/16=1/4
内容总结
以上是互联网集市为您收集整理的11.分类与监督学习,朴素贝叶斯分类算法全部内容,希望文章能够帮你解决11.分类与监督学习,朴素贝叶斯分类算法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。