分类与监督学习，朴素贝叶斯分类算法

#1.理解分类与监督学习、聚类与无监督学习。

#简述分类与聚类的联系与区别。
分类是事先定义好类别，类别数不变，分类也可以称作分类器，把数据库中的数据项映射到给定类别中的某一类中。
聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组。

#简述什么是监督学习与无监督学习。
监督学习：是对具有概念标记的（分类）的训练样本进行学习，对训练样本集外的的数据进行标记（分类）预测。
无监督学习：是输入的数据，没有被标记，也没有确定的结果，样本数据类别未知，需根据样本间的相似性对样本集进行分类（聚类）

#2.朴素贝叶斯分类算法 实例
#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？