聚类与分类的区别
Clustering (聚类),简单地说就是把相似的东西分到一组,聚类的时候,我们并不关心某一类是什么,我们需要实现的目标只是把相似的东西聚到一起。因此,一个聚类算法通常只需要知道如何计算相似度就可以开始工作了,因此 clustering 通常并不需要使用训练数据进行学习,这在Machine Learning中被称作unsupervised learning (无监督学习)。
Classification (分类),对于一个classifier,通常需要你告诉它“这个东西被分为某某类”这样一些例子,理想情况下,一个 classifier 会从它得到的训练集中进行“学习”,从而具备对未知数据进行分类的能力,这种提供训练数据的过程通常叫做supervised learning (监督学习)。
衡量聚类算法优劣的标准
- 处理大的数据集的能力;
- 处理任意形状,包括有间隙的嵌套的数据的能力;
- 算法处理的结果与数据输入的顺序是否相关,也就是说算法是否独立于数据输入顺序;
- 处理数据噪声的能力;
- 是否需要预先知道聚类个数,是否需要用户给出领域知识;
- 算法处理有很多属性数据的能力,也就是对数据维数是否敏感。
ps:学习自清华大学大数据研究中心