《一文全面了解分类分析和聚类分析》由会员分享，可在线阅读，更多相关《一文全面了解分类分析和聚类分析（2页珍藏版）》请在金锄头文库上搜索。
1、一文一文全面全面了解了解分类分类分析分析和和聚类分析聚类分析 当我们面对大量数据的时候 总试图将大量的数据进行划分 然后依次划分的数据群组 进行分析 而分类和聚类就是我们常用的两种数据划分技术 在我们的应用中 我们常常没 有过多的去区分这两个概念 觉得聚类就是分类 分类也差不多就是聚类 然而这两者之间 有着本质的区别 接下来 我们就具体来探讨下分类与聚类之间在数据挖掘中的区别 所谓分类 Classification 就是按照某种标准给对象贴标签 label 再根据标签来区分 归类 而聚类 则是在是指事先没有 标签 的情况下 通过某种聚集分析 找出事物之间 存在聚集性原因的过程 从机器学习上看
2、分类作为一种监督学习方法 它的目标在于通过已有数据的确定类别 学习得到一个分类函数或分类模型 也常常称作分类器 该模型能把数据库中的数据项映射 到给定类别中的某一个类中 简单的说 就是我们在进行分类前 得到的数据已经标示了数 据所属的类别 分类的目标就是得到一个分类的标准 使得我们能够更好的把不同类别的数 据区分出来 就如下图所示 分类分析的目的就是要找出区分红色数据和绿色数据的标准 分类分析的过程就是算法不断递进 使得标准更为准确的过程 图 分类分析的过程 与分类技术不同 在机器学习中 聚类是一种无指导学习 即聚类是在预先不知道分类 的情况下 根据信息相似度原则进行信息聚类的一种方法 聚类的
3、目的是将大量的数据通过 属于同类别的对象之间的差别尽可能的小 而不同类别上的对象的差别尽可能的大 的原 则进行分类 因此 聚类的意义就在于将观察到的内容组织成类分层结构 把类似的事物组 织在一起 通过聚类分析 人们能够识别密集的和稀疏的区域 因而发现全局的分布模式 以及数据属性之间的有趣的关系 图 聚类分析的过程 分类作为一种监督学习方法 要求必须事先明确知道各个类别的信息 并且断言所有待 分类项都有一个类别与之对应 但是很多时候 我们在进行数据分析的时候 事前并不能得 到各个类别的信息 那么在这个时候 我们就需要使用聚类分析的方法 通过聚类分析 将 数据进行分类 去识别全局的分布模式 更好的去探索不同类别数据属性之间的区别和联系 从而找到数据的区分标识 并以此来进行更好的数据分类分析工作
