分类算法不同点

相同
产生的结果相同（将数据进行分类）分类
1） 预设类别，类别数不变
2） 样本有标记
3） 有指导学习
4） 适合类别或分类体系已经确定的场合
5)常用的分类算法包括：决策树分类法，朴素的贝叶斯分类算法(native Bayesian classifier)、基于支持向量机(SVM)的分类器，神经网络法，k-最近邻法(k-nearest neighbor，kNN)，模糊分类法等。
聚类
1） 无需预设类别，类别数不确定，类别在学习中生成
2） 样本无标记，学习中标记
3） 无监督学习
4） 合不存在分类体系、类别数不确定的场合
5） 是一种探索式的学习6 )聚类分析目的在于将相似的事物归类，同一类中的个体有较大的相似性，不同类的个体差异性很大。