【MachineLearning】数据挖掘中的分类和聚类的区别

参考：

http://www.cnblogs.com/batys/p/3274138.html

分类	聚类
是一种有指导的学习， 即每个训练样本的数据对象已经有类标识，通过学习可以形成表达数据对象与类标识间对应的知识 是根据样本数据形成的类知识并对源数据进行分类 进而也可以预测未来数据的归类	是一种无指导学习 是在预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类的一种方法。 进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪些空 间区分规则来定义组。 目的是使得属于同类别的对象之间的差别尽可能的小，而不同类别上的对象的差别尽可能的大。
应用： 例如医疗诊断、信用卡的信用分级、图像模式识别	广泛应用于商业、生物、地理、网络服务等多种领域。
方法： 分类规则、决策树、数学公式和神经网络	聚类技术主要是以统计方法、 机器学习、神经网络等方法为基础。 比较有代表性的聚类技术是基于几何距离的聚类方法，如欧氏距离、曼哈坦距离、明考斯基距离等。 常见的聚类算法包括：K-均值聚类算法、K-中心点聚类算法、CLARANS、BIRCH、CLIQUE、DBSCAN等
分类的目的 是学会一个分类函数或分类模型(也常常称作分类器), 该模型能把数据库中的数据项映射到给定类别中的某一个类中	目的 旨在发现空间实体的属性间的函数关系，挖掘的知识用以属性名为变量的数学方程来表示。
分类和回归都可用于预测 分类的输出是离散的类别值，而回归的输出是连续数值。
构造分类器 需要有一个训练样本数据集作为输入 训练集由一组数据库记录或元组构成， 每个元组是一个由有关字段(又称属性或特征)值组成的特征向量， 此 外，训练样本还有一个类别标记。一个具体样本的形式可表示为 (v1,v2,...,vn; c） 其中vi表示字段值，c表示类别。
分类器的构造方法 有统计方法、机器学习方法、神经网络方法	聚类技术主要是以统计方法、机器学习、神经网络等方法为基础。 比较有代表性的聚类技术是基于几何距离的聚类方法，如欧氏距离、曼哈坦距离、明考斯基距离等。 常见的聚类算法包括：K-均值聚类算法、K-中心点聚类算法、CLARANS、BIRCH、CLIQUE、DBSCAN等
有三种分类器评价或比较尺度： 1)预测准确度；2)计算复杂度；3)模型描述的简洁度。
分类的效果一般和数据的特点有关 有的数据噪声大，有的有空缺值，有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。 目前普遍认为不存在某种方法能适合于各种特点的数据