简述分类与聚类的联系与区别。
联系：分类与聚类都是对对象的一种划分。
分类是我们给对象分为几个类。聚类是我们把相似的东西集中在一起。
分类要事先定义好类别 ，类别数不变 。聚类的类别是在聚类过程中自动生成的。
分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。常见的聚类算法包括：K-均值聚类算法、K-中心点聚类算法、CLARANS、 BIRCH、CLIQUE、DBSCAN等。
简述什么是监督学习与无监督学习。
监督学习是分类器在分类的过程中进行学习，以获得对未知数据分类的能力。
无监督学习是一个聚类算法在需要知道如何计算相似度就可以开始工作了，这个学习过程就是无监督学习。
2.朴素贝叶斯分类算法 实例
利用关于心脏情患者的临床数据集，建立朴素贝叶斯分类模型。
有六个分类变量(分类因子)：性别，年龄、KILLP评分、饮酒、吸烟、住院天数
目标分类变量疾病：–心梗–不稳定性心绞痛
新的实例：–(性别=‘男’，年龄<70, KILLP=‘I'，饮酒=‘是’，吸烟≈‘是”，住院天数<7)
最可能是哪个疾病？
上传演算过程。
3.编程实现朴素贝叶斯分类算法
利用训练数据集，建立分类模型。
输入待分类项，输出分类结果。
可以心脏情患者的临床数据为例，但要对数据预处理。