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絡與區別。

分類：分類是根據文字的特徵或屬性，劃分到已有的類別中。也就是說，這些類別是已知的，通過對已知分類的資料進行訓練和學習，找到這些不同類的特徵，再對未分類的資料進行分類。

聚類：聚類是事先不知道資料會分為幾類，通過分析將資料或者說使用者的共同特點聚合成幾個群體，聚類不需要對資料進行訓練和學習。

簡述什麼是監督學習與無監督學習。

是否有監督，就看輸入資料是否有標籤。輸入的資料有標籤，則為有監督學習，沒標籤則為無監督學習。

監督學習：監督學習就好比你已經知道了一些問題以及它們的答案，你只需學習這些已知答案的問題，從而用這些經驗去得出新問題的答案；

無監督學習：無監督學習則好比你不知道問題的答案，而是根據自己的知識去解答題目，找出題目的共同點，並對這些題目進行歸類。

分類屬於監督學習，聚類屬於無監督學習。

2.樸素貝葉斯分類演算法 

利用關於心臟情患者的臨床資料集，建立樸素貝葉斯分類模型。

有六個分類變數(分類因子)：性別，年齡、KILLP評分、飲酒、吸菸、住院天數

目標分類變數疾病：–心梗–不穩定性心絞痛

新的例項：–(性別=‘男’，年齡<70, KILLP=‘I'，飲酒=‘是’，吸菸≈‘是”，住院天數<7)

最可能是哪個疾病？

上傳演算過程。