大岭山建设网站网络规划设计师改版时间

实验11 机器学习-贝叶斯分类器

一、实验目的
（1）理解并熟悉贝叶斯分类器的思想和原理；
（2）熟悉贝叶斯分类器的数学推导过程；
（3）能运用贝叶斯分类器解决实际问题并体会算法的效果；
（4）熟悉sklearn与贝叶斯分类器相关的机器学习开源库，并使用开源库，对乳腺肿瘤数据进行分类。
二、实验内容
1、使用Python开发工具，运行对iris数据进行分类的例子程序NaiveBayes.py（根据你使用的是jupyter notebook,还是pycharm，可能需要对代码做适当修改），熟悉sklearn机器实习开源库。
运行结果如下：

2、登录https://archive-beta.ics.uci.edu/，界面如下：

可以查看提供的各类公共数据源，找到Breast Cancer Wisconsin (Original)数据并下载。也可以直接输入网址:
https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/
下载wisconsin提供的乳腺肿瘤数breast-cancer-wisconsin.data（已经处理好的数据）和breast-cancer-wisconsin.names（对数据的说明，可以用写字体打开）
数据如下：

3、使用sklearn机器学习开源库，使用贝叶斯分类器对breast-cancer-wisconsin.data进行分类。

运行结果：

4、（选做）用java实现贝叶斯分类器算法，并对上述数据进行分类。

结果如下：

三、实验体会与总结
本次实验聚焦贝叶斯分类器，透彻掌握其原理与推导。用 sklearn 处理乳腺肿瘤数据，经调优克服失衡、参数难题，结果良好。