1.理解分类与监督学习、聚类与无監督学习

简述分类与聚类的联系与区别。

联系：都是对数据进行划分的方法

区别：分类就是“贴标签”在事先已有的类中按这些类的性质来进行划分，要做的就是将每一条记录分别属于哪一类标记出来常用算法KNN，是一种有监督学习；

聚类是在事先没有类没有训练条件的情况下，根据数据相似性来把样本划分为若干类常用算法k-means算法，是一种无监督学习

简述什么是监督学习与无监督学习。

 监督学习：监督学习是从标记的训练数据来推断一个功能的机器学习任务就是在有样本的情况下，根据样本属性来判断某数据属于什么类型监督学习的算法有神经网络算法、决策树学习算法，主要是用于分类、回归

无监督学习：根据类别未知(没有被标记)的训练样本解决模式识別中的各种问题，称之为无监督学习就是在无样本的情况下，根据相似性来判断某数据属于什么类型无监督学习里典型例子是聚类、降维。

2.朴素贝叶斯分类算法 实例

利用关于心脏病患者的临床历史数据集建立朴素贝叶斯心脏病分类模型。

有六个分类变量(分类因子)：性別年龄、KILLP评分、饮酒、吸烟、住院天数

新的实例：–(性别=‘男’，年龄<70, KILLP=‘I'饮酒=‘是’，吸烟≈‘是”住院天数<7)

3.使用朴素贝叶斯模型對iris数据集进行花分类。

尝试使用3种不同类型的朴素贝叶斯：