朴素贝叶斯分类算法

北城余情 提交于 2020-01-25 09:20:37

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。
(1)分类:给数据贴标签,通过分析已有的数据特征,对数据分成几类,已知分类结果。然后引入新数据对其归类。分类可以提高认知效率,较低认知成本。

(2)聚类:不知分类结果,通过数据一定的相似性,把那些相似的数据聚集在一起。

 

简述什么是监督学习与无监督学习。

监督学习:

(1)每个实例都是由一组特征和一个类别结果。

(2)用有标注的数据训练模型,并产生一个推断的功能。

(3)对于新的实例,可以用于映射出该实例的类别.

无监督学习:

(1)我们只知道一些特征,并不知道答案

(2)但不同实例具有一定的相似性

(3)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。

 

 

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!