一、理解分類與監督學習、聚類與無監督學習。

1、簡述分類與聚類的聯系與區別。　　

　　分類就是按照某種標準給對象貼標簽(label)，再根據標簽來區分歸類。聚類是指事先沒有“標簽”而通過某種成團分析找出事物之間存在聚集性原因的過程。區別是，分類是事先定義好類別 ，類別數不變 。分類器需要由人工標註的分類訓練語料訓練得到，屬於有指導學習範疇。聚類則沒有事先預定的類別，類別數不確定。 聚類不需要人工標註和預先訓練分類器，類別在聚類過程中自動生成 。分類適合類別或分類體系已經確定的場合，比如按照國圖分類法分類圖書；聚類則適合不存在分類體系、類別數不確定的場合，一般作為某些應用的前端，比如多文檔文摘、搜索引擎結果後聚類(元搜索)等。分類的目的是學會一個分類函數或分類模型(也常常稱作分類器 ),該模型能把數據庫中的數據項映射到給定類別中的某一個類中。聚類(clustering)是指根據“物以類聚”原理，將本身沒有類別的樣本聚集成不同的組，這樣的一組數據對象的集合叫做簇，並且對每一個這樣的簇進行描述的過程。

2、簡述什麽是監督學習與無監督學習。

　　監督學習，就是人們常說的分類，通過已有的訓練樣本（即已知數據以及其對應的輸出）去訓練得到一個最優模型（這個模型屬於某個函數的集合，最優則表示在某個評價準則下是最佳的），再利用這個模型將所有的輸入映射為相應的輸出，對輸出進行簡單的判斷從而實現分類的目的，也就具有了對未知數據進行分類的能力。監督學習裏典型的例子就是KNN、SVM。無監督學習（也有人叫非監督學習，反正都差不多）則是另一種研究的比較多的學習方法，它與監督學習的不同之處，在於我們事先沒有任何訓練樣本，而需要直接對數據進行建模。無監督學習裏典型的例子就是聚類了。聚類的目的在於把相似的東西聚在一起，而我們並不關心這一類是什麽。

二、樸素貝葉斯分類算法 實例

利用關於心臟情患者的臨床數據集，建立樸素貝葉斯分類模型。

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。

3.編程實現樸素貝葉斯分類算法

利用訓練數據集，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數據為例，但要對數據預處理。

1105作業