同時學習了聚類和降維方法之后，對于兩者之間的差異有些不明白，后來查閱了百度等多方渠道，并沒有獲得一個比較通俗易懂的解釋，下面的內容是我個人的一些淺薄理解，如果有錯誤的地方希望大家指正。

一、聚類

聚類是按照某個特定標準把一個數據集分割成不同的類或簇，使得同一個簇內的數據對象的相似性盡可能大，同時不在同一個簇中的數據對象的差異性也盡可能地大。也即聚類后同一類的數據盡可能聚集到一起，不同類數據盡量分離。簡言之，聚類是根據研究對象的特征值差異，將研究對象劃分為多個不同的類別，從而實現將研究對象分層/分簇的目的。聚類方法可以分為劃分聚類、層次聚類和密度聚類。

?

二、降維

假設樣本資料矩陣為n×k的矩陣（n個研究對象，k個特征），當k遠大于n時，直接擬合模型會導致維度災難、過擬合的問題，因此需要通過一定的方法減少特征數量，以克服維數災難，獲取本質特征，去除無用的噪聲，減少冗余信息所造成的誤差，提高識別的精度。降維方法可以分為線性降維方法和非線性降維方法，最常見的方法比如PCA、LDA等。

?

三、降維和聚類的區別

降維和聚類表面上而言都可以減少數量，但是減少對象不同。對于聚類而言，是依據不同樣本特征值的差異，對樣本進行聚類，將總體分為k組，實現總體分層，進而方便分層分析；而對于降維而言，降維是降低數據維度，即減少特征數量，以避免特征數量大于樣本量而導致的高維災難問題。所以我們可以理解為降維是降低特征數，聚類是將樣本分為不同的類。

總結

以上是生活随笔為你收集整理的降维和聚类的区别的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。