1.理解分類與監督學習、聚類與無監督學習。
簡述分類與聚類的聯絡與區別。
簡述什麼是監督學習與無監督學習。


區別：分類：我們是知道這個資料集是有多少種類的，然後對它們分類歸納。比如對一個學校的在校大學生進行性別分類，我們會下意識很清楚知道分為“男”,“女”。
     聚類：對資料集操作時，我們是不知道該資料集包含多少類，我們只能通過它們的相似度將資料集中歸納在一起，這就是聚類。因而使得同一個簇（或類）中的物件之間具有較高的相似性，而不同簇中的物件具有較高的相異性。

聯絡：分類和聚類都是對資料歸納整理的一種方法。

監督學習（supervised learning）：通過已有的訓練樣本（即已知資料以及其對應的輸出）來訓練，從而得到一個最優模型，再利用這個模型將所有新的資料樣本對映為相應的輸出結果，對輸出結果進行簡單的判斷從而實現分類的目的，那麼這個最優模型也就具有了對未知資料進行分類的能力。 
無監督學習（unsupervised learning）：我們事先沒有任何訓練資料樣本，需要直接對資料進行建模。

 

2.樸素貝葉斯分類演算法 例項
利用關於心臟情患者的臨床資料集，建立樸素貝葉斯分類模型。
有六個分類變數(分類因子)：性別，年齡、KILLP評分、飲酒、吸菸、住院天數
目標分類變數疾病：–心梗–不穩定性心絞痛
新的例項：–(性別=‘男’，年齡<70, KILLP=‘I'，飲酒=‘是’，吸菸≈‘是”，住院天數<7)
最可能是哪個疾病？
上傳演算過程。

3.程式設計實現樸素貝葉斯分類演算法

利用訓練資料集，建立分類模型。

輸入待分類項，輸出分類結果。

可以心臟情患者的臨床資料為例，但要對資料預處理。