11.分类与监督学习，朴素贝叶斯分类算法
2021-01-24 16:16
标签：朴素 映射 core cti 训练 高斯 标签 image sele 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。 答：联系：聚类属于无监督学习，即模型训练过程中没有被目标标签监督。而分类属于监督学习，即其训练数据都标记了需要被预测的真实值。在很多情况下，聚类模型等价于分类模型的无监督形式。 区别：分类是事先定义好类别 ，类别数不变 。分类器需要由人工标注的分类训练语料训练得到，属于有指导学习范畴。 聚类则没有事先预定的类别，类别数不确定。 聚类不需要人工标注和预先训练分类器，类别在聚类过程中自动生成 。 分类是一种有监督的算法，是在已经有目标分类的情况下对数据进行类别判断（朴素贝叶斯算法）。而聚类是一种无监督算法，是在建立模型之前还没有目标分类，将特征相似的数据自动聚为一类的算法（KMeans聚类算法） 简述什么是监督学习与无监督学习。 答：监督学习：就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），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：是另一种研究的比较多的学习方法，它与监督学习的不同之处，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。 有监督学习是在建立模型之前已经给出训练数据集，机器根据训练数据集训练出模型并对新数据进行预测。无监督学习是对未进行人工标注的数据进行分析，机器根据数据间的相似性自行分类。相似度高的数据会被聚为一类。 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
最可能是哪个疾病？ 上传手工演算过程。 3.使用朴素贝叶斯模型对iris数据集进行花分类。 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 并使用sklearn.model_selection.cross_val_score()，对各模型进行交叉验证。 11.分类与监督学习，朴素贝叶斯分类算法 标签：朴素 映射 core cti 训练 高斯 标签 image sele 原文地址：https://www.cnblogs.com/yeli1629/p/12864714.html
下一篇：C语言实验报告六
文章标题：11.分类与监督学习，朴素贝叶斯分类算法
文章链接：http://soscw.com/index.php/essay/46401.html