《数据挖掘导论》实验课——实验4、数据挖掘之KNN,Naive Bayes

实验4、数据挖掘之KNN,Naive Bayes

1、实验目的

1. 掌握KNN的原理

2. 掌握Naive Bayes的原理

3. 学会利用KNN与Navie Bayes解决分类问题

2、实验工具

1. Anaconda

2. sklearn

3、实验简介

1. KNN

KNN（K-Nearest Neighbor）工做原理：存在一个样本数据集合，也称为训练样本集，而且样本集中每一个数据都存在标签，即咱们知道样本集中每一数据与所属分类对应的关系。输入没有标签的数据后，将新数据中的每一个特征与样本集中数据对应的特征进行比较，提取出样本集中特征最类似数据（最近邻）的分类标签。通常来讲，咱们只选择样本数据集中前k个最类似的数据，这就是k近邻算法中k的出处，一般k是不大于20的整数。最后选择k个最类似数据中出现次数最多的分类做为新数据的分类。

说明：KNN没有显示的训练过程，它是“懒惰学习”的表明，它在训练阶段只是把数据保存下来，训练时间开销为0，等收到测试样本后进行处理。

2. Navie Bayes

朴素贝叶斯分类器中最核心的即是贝叶斯准则，他用以下的公式表示:

p(c|x)= \frac{p(x|c)p(c)}{p(x)}p(c∣x)=p(x)p(x∣c)p(c)​

在机器学习中，朴素贝叶斯分类器是一个基于贝叶斯定理的比较简单的几率分类器，其中 naive（朴素）是指的对于模型中各个 feature（特征） 有强独立性的假设，并未将 feature 间的相关性归入考虑中。

朴素贝叶斯分类器一个比较著名的应用是用于对垃圾邮件分类，一般用文字特征来识别垃圾邮件，是文本分类中比较经常使用的一种方法。朴素贝叶斯分类经过选择 token（一般是邮件中的单词）来获得垃圾邮件和非垃圾邮件间的关联，再经过贝叶斯定理来计算几率从而对邮件进行分类。

4、实验内容

1. 利用KNN对鸢尾花数据进行分类。

(1) 调用数据的方法以下：

from sklearn.datasets import load_iris iris = load_iris()# 从sklearn 数据集中获取鸢尾花数据。

（2）数据进行KNN分类

首先导入鸢尾花数据集

获取并划分数据集

声明训练并评价模型

进行样本测试

2. 利用Navie Bayes对鸢尾花数据建模

输出测试样本在各个类标记上预测几率值对应对数值,
返回测试样本映射到指定类标记上的得分(准确率).

3. 不使用sklearn中的分类方法，本身编写KNN程序（建议用python语言），并对鸢尾花数据进行分类。

4. （选作） 不使用sklearn中的分类方法，本身编写Navie Bayes程序（建议用python语言），并对鸢尾花数据进行分类。

5、实验总结（写出本次实验的收获，遇到的问题等）

本次实验自主学习探索了sklearn中GaussianNB建模和KNeighborsClassifier分类。调用封装的方法实现了模型的训练以及测试。
可是对knn理解程度不够，已经Python语言掌握不熟，未能自行实现knn程序的编写对鸢尾花进行分类，须要增强学习！