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系與區別。
（1）分類：給數據貼標簽，通過分析已有的數據特征，對數據分成幾類，已知分類結果。然后引入新數據對其歸類。分類可以提高認知效率，較低認知成本。
（2）聚類：不知分類結果，通過數據一定的相似性，把那些相似的數據聚集在一起。
簡述什么是監督學習與無監督學習。
監督學習：
（1）每個實例都是由一組特征和一個類別結果。
（2）用有標注的數據訓練模型，並產生一個推斷的功能。
（3）對於新的實例，可以用於映射出該實例的類別.
無監督學習：
（1）我們只知道一些特征，並不知道答案
（2）但不同實例具有一定的相似性
（3）把那些相似的聚集在一起
2.朴素貝葉斯分類算法 實例
利用關於心臟情患者的臨床數據集，建立朴素貝葉斯分類模型。
有六個分類變量(分類因子)：性別，年齡、KILLP評分、飲酒、吸煙、住院天數
目標分類變量疾病：–心梗–不穩定性心絞痛
新的實例：–(性別=‘男’，年齡<70, KILLP=‘I'，飲酒=‘是’，吸煙≈‘是”，住院天數<7)
最可能是哪個疾病？
上傳演算過程。
