分類與監督學習，樸素貝葉斯分類算法

1.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繫與區別。

    分類是根據規則進行的，你把這個規則創建起來後還能夠運用到其餘還沒有分類的數據，同時還能夠根據新的已有類別數據修正分類規則，不斷提升其分類準確性 聚類是純粹的根據已有數據進行系統把數據聚類，有可能聚類出來的沒有實際意義，聚類也沒法經過訓練數據和後期的數據不斷提升準確度的。

（2）簡述什麼是監督學習與無監督學習。

    監督學習：一部分已知分類、有標記的樣原本訓練機器後，讓它用學到的特徵，對沒有還分類、無標記的樣本進行分類、貼標籤。

    無監督學習：即非監督學習，是實現沒有有標記的、已經分類好的樣本，須要咱們直接對輸入數據集進行建模，例如聚類，最直接的例子就是咱們常說的「人以羣分，物以類聚」。咱們只須要把類似度高的東西放在一塊兒，對於新來的樣本，計算類似度後，按照類似程度進行歸類就好。

 

2.樸素貝葉斯分類算法 實例

利用關於心臟情患者的臨牀數據集，創建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、吸菸、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’，吸菸≈‘是」，住院天數<7)

最多是哪一個疾病？

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，創建分類模型。

輸入待分類項，輸出分類結果。

能夠心臟情患者的臨牀數據爲例，但要對數據預處理。