机器学习课程复习——聚类算法

Q:什么是硬聚类，什么是软聚类？

如果一个样本只能属于一个类，则称为硬聚类(hard clustering);

如果一个样本可以属于多个类，则称为软聚类(soft clustering)。

Q：聚类和分类的区别？

	聚类	分类
学习类型	无监督学习方法 不需要事先标记的数据 通过发现数据中的模式或结构来组织数据。	监督学习方法 需要依赖已标记的数据集来训练模型 以便能够对新的未知数据进行预测和分类。
数据依赖性	聚类不依赖于预先定义的类别或标签 而是根据样本间的相似度或距离进行分组。	分类需要明确知道各个类别的信息 并且每个待分类项都必须有一个对应的类别。
算法应用范围	适用于探索性数据分析 如市场细分、社交网络分析等场景，帮助发现隐藏的数据结构和模式。	常应用于具有明确目标的预测问题 如垃圾邮件检测、图像识别和疾病诊断等领域。
结果解释	聚类的结果通常是数据的分组或集群，没有明确的标签 组内的对象相互之间是相似的，而不同组中的对象是不同的。	分类的结果是明确地将数据点划分到预定义的标签或类别中 每个类别都有明确的意义。</