機器學(xué)習(xí)中分類和聚類的區(qū)別

在機器學(xué)習(xí)中有兩種常見的任務(wù)：分類(Classification)和聚類(Clustering)。
在初學(xué)機器學(xué)習(xí)時，對這兩個概念的理解容易混淆，隨著學(xué)習(xí)的深入，對這兩個概念有了基本的認(rèn)識，現(xiàn)總結(jié)如下：

1.分類：
屬于監(jiān)督學(xué)習(xí)的范疇，根據(jù)一些給定的已知類別的樣本，使它能夠?qū)ξ粗悇e的樣本進行分類，要求必須事先明確知道各個類別的信息。

2.聚類：
屬于無監(jiān)督學(xué)習(xí)的范疇，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。
一般有三種距離度量，曼哈頓距離、歐氏距離、閔可夫斯基距離，公式如下：

總結(jié)

以上是生活随笔為你收集整理的机器学习中分类和聚类的区别的全部內(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。