聚類和分類的區(qū)別

聚類是指利用計算機根據(jù)樣本之間的相似度將整個樣本集合聚集成若干個類的過程。其目標是使得屬于同一個類的樣本盡量相似，而屬于不同類的樣本差別明顯。系統(tǒng)聚類法和k-Means算法是目前聚類分析中應(yīng)用最多的兩種方法。分類是根據(jù)已經(jīng)掌握的每類若干樣本的數(shù)據(jù)信息，總結(jié)出分類的規(guī)律性，建立判別公式和判別規(guī)則。

聚類和分類

當(dāng)遇到新的樣本時，只需根據(jù)判別公式和判別規(guī)則，就能判別該樣本所屬的類別。分類技術(shù)包括統(tǒng)計、模式識別、人工智能、神經(jīng)網(wǎng)絡(luò)等多個領(lǐng)域。目前常用的分類方法有Bayes判別法、k最近鄰(kNN)方法、支持向量機(SVM)方法、決策樹方法等。聚類是一種無指導(dǎo)的學(xué)習(xí)過程，而分類則是有指導(dǎo)的學(xué)習(xí)過程。

聚類和分類的區(qū)別還在于：聚類事先沒有類表，完全是按照樣本間的相似度來進行，即先有樣本后有類；而分類則是基于某種預(yù)定的類表，將類表中的條目賦給樣本，即先有類后有樣本。