Page 71 - 高中 信息技术 选择性必修4 人工智能初步

 3.3 聚类

# 用训练好的分类器去预测测试集的标签值
pred =clf.predict(features_test)

typ = ' '
if pred > 0.9:
typ = 'trash'

else:
typ = 'normal'

实验结果表明，朴素贝叶斯垃圾邮件分类器在该数据集上达到了近96%的准确率。但
3.3 广东教育出版社
即使这样，垃圾邮件分类器还可能将正常的邮件当作垃圾邮件过滤掉。通过继续调整模型
的参数，垃圾邮件分类器还可以达到更好的效果。
为了测试垃圾邮件分类器能否工作，运行client.py程序，建立与服务器端的连接后，

发送想要传输的内容，看看服务器端收到消息后会给出什么样的判断。

项目实施

各小组根据项目选题及拟订的项目方案，结合本节所学知识，剖析贝叶斯分类器算法。
1. 运行配套学习资源包中的程序，体验朴素贝叶斯分类器的应用。
2. 运行配套学习资源包中的程序，调整朴素贝叶斯垃圾邮件分类器的参数，提高垃

圾邮件分类能力。

聚类

聚类就是一种寻找数据之间内在结构的技术。聚类把全体数据实例组织成一些相似
组，这些相似组被称作“簇”。簇内的对象之间越相似，不同簇间对象差别越大，聚类效

果越好。聚类通常又被称为无监督学习，与监督学习不同，聚类没有表示数据类别的分类
或者分组信息。
在商业上，聚类分析常被用来发现不同的客户群，并且通过客户的购买模式刻画不同

客户群的特征。聚类分析是细分市场的有效工具。同时聚类也可用于研究消费者行为，寻
找新的潜在市场，进行多元分析的预处理。在生物学上，聚类分析常被用来进行动植物分
类和基因分类，认识种群固有结构。在保险行业，聚类分析通过平均消费来进行汽车保险

单的持有者分组，同时根据住宅类型、价值、地理位置等特征来进行一个城市的房产分

63 63

21Y3228.indd 63 2019/10/10 14:23:55