聚类的基本概念-聚类与分类的区别

最新推荐文章于 2024-08-21 00:15:00 发布

神音sss

最新推荐文章于 2024-08-21 00:15:00 发布

阅读量1.9w

点赞数 15

分类专栏： python

本文链接： https://blog.csdn.net/oxygensss/article/details/117092949

版权

本文详细介绍了聚类的基本概念，强调了聚类是一种无监督学习，旨在通过数据的特征相似性将样本分组。与分类不同，聚类不需要预先存在的标签，并且在分析过程中能揭示数据的内在结构。通过对比聚类和分类的实例，阐述了两者在数据处理和应用上的差异。

摘要由CSDN通过智能技术生成

一、聚类的概念

聚类是常见的无监督学习算法。人有归纳和总结的能力，机器也有。简单来说，聚类就是让机器把数据集中的样本按照特征的性质分组，在这个过程中没有标签的存在。其目标是，组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）。组内的相似性（同质性）越大，组间差别越大，聚类就越好。

二、深入解读聚类
（1）聚类是一种机器学习技术，它涉及到数据点的分组。给定一组数据点，可以使用聚类算法将每个数据点划分为一个特定的组。
（2）同一组中的数据点应该具有相似的属性/特征，而不同组中的数据点应该具有高度不同的属性/特征。
（3）聚类是一种无监督学习的方法，是许多领域中常用的统计数据分析技术。
（4）聚类与分类的不同在于，聚类所要求划分的类是未知的。
（5）聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。