第十次作业——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。

分类是事先定义好类别，类别数不变，分类也可以称作分类器，把数据库中的数据项映射到给定类别中的某一类中。
聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组。

简述什么是监督学习与无监督学习。

监督学习：每个实例都是由一组特征和一个类别结果，用有标注的数据训练模型，并产生一个推断的功能。对于新的实例，可以用于映射出该实例的类别。

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。

 

 

 

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。

转载于:https://www.cnblogs.com/a-zhuanger/p/9979712.html