1.理解分类与监督学习、聚类与无监督学习。
（1）简述分类与聚类的联系与区别。
分类技术是一种有指导的学习，即每个训练样本的数据对象已经有类标识，对数据进行判断。
聚类是一种无指导学习。也就是说，聚类是在预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类的一种方法。
区别：分类是事先定义好类别 ，聚类则没有事先预定的类别。
（2）简述什么是监督学习与无监督学习。
监督学习： 每个实例都是由一组特征和一个类别结果。
用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：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，
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？
上传手工演算过程。
3.使用朴素贝叶斯模型对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：
并使用sklearn.model_selection.cross_val_score()，对各模型进行交叉验证。
原文：https://www.cnblogs.com/ljm41/p/12842835.html