1.理解分类与监督学习、聚类与无监督学习。
简述分类与聚类的联系与区别。
分类是指在对数据集分类时，我们知道这个数据集是有多少种类的。
聚类是将数据对象的集合分成相似的对象类的过程，使得同一个簇（或类）中的对象之间具有较高的相似性，而不同簇中的对象具有较高的相异性。即指在对数据集操作时，我们是不知道该数据集包含多少类，我们要做的，是将数据集中相似的数据归纳在一起。
简述什么是监督学习与无监督学习。
监督学习是指每个实例都是由一组特征和一个类别结果，拥有标注的数据训练模型，并产生一个推断的功能。对于新的实例，可以用于映射出该实例的类别。
无监督学习是指我们只知道一些特征，并不知道答案，但不同实例具有一定的相似性，然后把那些相似的聚集在一起。
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？
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