5.3.4数据分类 课件 2021-2022学年粤教版（2019）高中信息技术必修1

判断一个具有特征:{色泽=青绿，根蒂=蜷缩，敲声=浊响，纹理=清晰，脐部=凹陷，触感=硬滑，密度=0.697，含糖率=0.460}的测试样例瓜是否为好瓜? 贝叶斯分类技术 数据分类 授课人：XXX 2021.6.1 2 目录 01数据分类 02贝叶斯与概率分类 03贝叶斯分类技术 04课堂小结 05课堂巩固 PART 01 数据分类 4 数据分析处理中最基本的方法 数据分类 1.数据分类的做法 基于样本数据先训练构建分类函数或者分类模型，该分类模型具有将待分类数据项映射到某一特点类别的功能。 数据分类 + 回归分析 预测 预测是指从基于样本数据记录，根据分类准则，自动给出对未知数据的推广描述，从而实现对未知数据进行预测。 2.数据分类能做什么 数据分类 贝叶斯与概率分类 课堂小结 贝叶斯分类技术 课堂巩固 PART 2 贝叶斯与概率分类 6 英国数学家，发明了概率统计学原理，将归纳推理法用于概率论基础理论，创立了贝叶斯统计理论，对统计决策函数、统计推断、统计的估算等做出了贡献。 贝叶斯与概率分类 贝叶斯 贝叶斯定理 分类思想的应用 数据分类 贝叶斯与概率分类 课堂小结 贝叶斯分类技术 课堂巩固 7 PART 3 贝叶斯分类技术 8 案例 数据分类 贝叶斯与概率分类 课堂小结 贝叶斯分类技术 课堂巩固 9 根据表5-4的资料，我们可以得到一个已分类的样本子集： X=[[182.8,81.6,30],[180.4,86.1,29],[170.0,77.1,30],[180.4,74.8,28],[152.4,45.3,24],[167.6,68.0,26],[165.2,58.9,25],[175.2,68.0,27]]和Y=[1,1,1,1,0,0,0,0]（1代表重要客户，0代表普通客户）。 数据分类 贝叶斯与概率分类 课堂小结 贝叶斯分类技术 课堂巩固 10 打开教科书配套学习资源包“第五章\课本素材\程序5-6”文件，把已分类的样本子集（X,Y）和测试样本[182.8,58.9,26]输入到程序5-6中，具体（高斯朴素贝叶斯）如下： 获取代码 数据分类 贝叶斯与概率分类 课堂小结 贝叶斯分类技术 课堂巩固 已分类样本集（X，Y） 待测试样本 引入高斯朴素贝叶斯 将numpy缩写成np,后续所有np都代表numpy NumPy(Numerical Python)