一.理解分类与监督学习、聚类与无监督学习。
（1） 简述分类与聚类的联系与区别？
是把某个对象划分到某个具体的已经定义的类别当中，而聚类是把一些对象按照具体特征组织到若干个类别里。虽然都是把某个对象划分到某个类别中，但是分类的类别是已经预定义的，而聚类操作时，某个对象所属的类别却不是预定义的，而是可以根据情况做若干个聚类中心。
（2） 简述什么是监督学习与无监督学习。
对于新的实例，监督学习可以用于映射出该实例的类别。 对于无监督学习，我们只知道特征，并不知道答案，不同的实例具有一定的相似性，把那些相似的聚集在一起。
二.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。
演算过程：
三.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。
from sklearn.datasets import load_iris iris = load_iris() iris.data[55] iris.target[55] from sklearn.naive_bayes import GaussianNB gnb = GaussianNB() #模型# gnb.fit(iris.data,iris.target) #训练# gnb.predict([iris.data[12]]) #分类#
运行结果：
