簡單地說，分類(Categorization or Classification)就是按照某種標準給對象貼標簽(label)，再根據標簽來區分歸類。

聚類是指事先沒有“標簽”而通過某種成團分析找出事物之間存在聚集性原因的過程。

區別是，分類是事先定義好類別 ，類別數不變 。分類器需要由人工標注的分類訓練語料訓練得到，屬于有指導學習范疇。

聚類則沒有事先預定的類別，類別數不確定。 聚類不需要人工標注和預先訓練分類器，類別在聚類過程中自動生成 。

分類的目的是學會一個分類函數或分類模型(也常常稱作分類器 ),該模型能把數據庫中的數據項映射到給定類別中的某一個類中。

要構造分類器，需要有一個訓練樣本數據集作為輸入。訓練集由一組數據庫記錄或元組構成，每個元組是一個由有關字段(又稱屬性或特征)值組成的特征向量，此外，訓練樣本還有一個類別標記。一個具體樣本的形式可表示為：(v1,v2,…,vn; c)；其中vi表示字段值，c表示類別。分類器的構造方法有統計方法、機器學習方法、神經網絡方法等等。

聚類(clustering)是指根據“物以類聚”原理，將本身沒有類別的樣本聚集成不同的組，這樣的一組數據對象的集合叫做簇，并且對每一個這樣的簇進行描述的過程。

它的目的是使得屬于同一個簇的樣本之間應該彼此相似，而不同簇的樣本應該足夠不相似。

與分類規則不同，進行聚類前并不知道將要劃分成幾個組和什么樣的組，也不知道根據哪些空間區分規則來定義組。其目的旨在發現空間實體的屬性間的函數關系，挖掘的知識用以屬性名為變量的數學方程來表示。聚類技術正在蓬勃發展，涉及范圍包括數據挖掘、統計學、機器學習、空間數據庫技術、生物學以及市場營銷等領域，聚類分析已經成為數據挖掘研究領域中一個非常活躍的研究課題。

常見的聚類算法包括：K-均值聚類算法、K-中心點聚類算法、CLARANS、 BIRCH、CLIQUE、DBSCAN等。

總結

以上是生活随笔為你收集整理的分类和聚类有什么区别？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。