機器學(xué)習(xí)中有常見的兩類大問題，一個是分類，一個是聚類。

分類與聚類的比較

聚類分析是研究如何在沒有訓(xùn)練的條件下把樣本劃分為若干類。
在分類中，已知存在哪些類，即對于目標(biāo)數(shù)據(jù)庫中存在哪些類是知道的，要做的就是將每一條記錄分別屬于哪一類標(biāo)記出來。
聚類需要解決的問題是將已給定的若干無標(biāo)記的模式聚集起來使之成為有意義的聚類，聚類是在預(yù)先不知道目標(biāo)數(shù)據(jù)庫到底有多少類的情況下，希望將所有的記錄組成不同的類或者說聚類，并且使得在這種分類情況下，以某種度量（例如：距離）為標(biāo)準(zhǔn)的相似性，在同一聚類之間最小化，而在不同聚類之間最大化。
與分類不同，無監(jiān)督學(xué)習(xí)不依賴預(yù)先定義的類或帶類標(biāo)記的訓(xùn)練實例，需要由聚類學(xué)習(xí)算法自動確定標(biāo)記，而分類學(xué)習(xí)的實例或數(shù)據(jù)樣本有類別標(biāo)記。

簡而言之：分類是事先有了類然后人為的去分；聚類是事先沒有類，機器去聚出類。

分類

分類有如下幾種說法，但表達(dá)的意思是相同的。

分類（classification）: 分類任務(wù)就是通過學(xué)習(xí)得到一個目標(biāo)函數(shù)f，把每個屬性集x映射到一個預(yù)先定義的類標(biāo)號y中。

分類是根據(jù)一些給定的已知類別標(biāo)號的樣本，訓(xùn)練某種學(xué)習(xí)機器（即得到某種目標(biāo)函數(shù)），使它能夠?qū)ξ粗悇e的樣本進行分類。這屬于supervised learning（監(jiān)督學(xué)習(xí)）。

分類： 通過學(xué)習(xí)來得到樣本屬性與類標(biāo)號之間的關(guān)系。
用自己的話來說，就是我們根據(jù)已知的一些樣本（包括屬性與類標(biāo)號）來得到分類模型（即得到樣本屬性與類標(biāo)號之間的函數(shù)），然后通過此目標(biāo)函數(shù)來對只包含屬性的樣本數(shù)據(jù)進行分類。

分類算法的局限
分類作為一種監(jiān)督學(xué)習(xí)方法，要求必須事先明確知道各個類別的信息，并且斷言所有待分類項都有一個類別與之對應(yīng)。但是很多時候上述條件得不到滿足，尤其是在處理海量數(shù)據(jù)的時候，如果通過預(yù)處理使得數(shù)據(jù)滿足分類算法的要求，則代價非常大，這時候可以考慮使用聚類算法。

聚類

聚類的相關(guān)的一些概念如下

而聚類指事先并不知道任何樣本的類別標(biāo)號，希望通過某種算法來把一組未知類別的樣本劃分成若干類別，聚類的時候，我們并不關(guān)心某一類是什么，我們需要實現(xiàn)的目標(biāo)只是把相似的東西聚到一起，這在機器學(xué)習(xí)中被稱作 unsupervised learning （無監(jiān)督學(xué)習(xí)）
通常，人們根據(jù)樣本間的某種距離或者相似性來定義聚類，即把相似的（或距離近的）樣本聚為同一類，而把不相似的（或距離遠(yuǎn)的）樣本歸在其他類。
聚類的目標(biāo)：組內(nèi)的對象相互之間時相似的（相關(guān)的），而不同組中的對象是不同的（不相關(guān)的）。組內(nèi)的相似性越大，組間差別越大，聚類就越好。

總結(jié)

以上是生活随笔為你收集整理的分类与聚类的本质区别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。