问数据挖掘中分类和聚类的区别？

EN

通常，在分类中，您有一组预定义的类，并且希望知道新对象属于哪个类。

聚类试图对一组对象进行分组，并找出这些对象之间是否存在某种关系。

在机器学习的上下文中，分类是，聚类是。

也可以在维基百科上看看和。

请阅读以下信息：

​

​

​

​

如果您向任何数据挖掘或机器学习人员提出了这个问题，他们将使用术语supervised learning和unsupervised learning来解释聚类和分类之间的区别。因此，让我先向您解释一下监督和非监督这两个关键词。

监督学习：假设你有一个篮子，里面装满了一些新鲜水果，你的任务是在一个地方排列相同类型的水果。假设水果是苹果、香蕉、樱桃和葡萄。所以你已经从你之前的工作中知道了，每个水果的形状，所以很容易在一个地方排列相同类型的水果。在这里，您之前的工作称为数据挖掘中的训练数据。所以你已经从你的训练数据中学习到了这些东西，这是因为你有一个响应变量，它告诉你，如果一些水果有这样或那样的特征，它就是葡萄，就像每个水果一样。

您将从经过训练的数据中获得这种类型的数据。这种类型的学习被称为监督学习。这种类型的解决问题属于分类。所以你已经学会了这些东西，所以你可以自信地做好你的工作。

无人监督:假设你有一个篮子，里面装满了一些新鲜水果，你的任务是将相同类型的水果安排在一个地方。

这一次你对这些水果一无所知，你是第一次看到这些水果，那么你将如何安排同样类型的水果呢？

你首先要做的是拿起水果，然后选择那个特定水果的任何物理特征。假设你取了颜色。

然后你将根据颜色排列它们，然后分组将是像这样的东西。红色组：苹果和樱桃果。绿色组：香蕉和葡萄。所以现在你将采用另一个物理特征作为大小，所以现在组将是类似这样的东西。苹果红色，大号：。红色，体积小：樱桃果。绿色和大尺寸：香蕉。绿色和小尺寸：葡萄。工作完成了，大团圆结局。

在这里，你以前没有学到任何东西，意味着没有训练数据和响应变量。这种类型的学习称为无监督学习。聚类属于无监督学习。