数据分类与显著差异

展示两组数据的显著差异，其实相当于是一个分类的问题。

而数据分类则相当于是找出两组数据之间的不同之处。

而这一点往往是带有主观性的。

比如把几个人和猴子放在一起，常规的分类思路就是人和人一类，猴子则归为一类。

但是这样分类的依据是什么呢？

原因就是人和人之间有更多的相似度，但是也仅此而已了。

为什么这么讲呢？

因为这样的分类方式是比较主观的。

在上面的例子中，加入“苍蝇”这个样本，分类方式会产生怎样的变化呢？

人们就可以把人和猴子归为一类，因为跟苍蝇这个物种比起来，人和猴子都是哺乳动物。

再比如，两个人和一只鼠，按照这个条件，人和人一类，鼠一类，是人之常情。

但是如果这两个人是一个男孩一个女孩，而鼠是雄性的呢？

是不是又可以男孩和鼠一类，女孩一类呢？

这又说明，挖掘的样本信息越丰富，可以分类的结果也会越多种多样。

而如果没有具体的分类标准，我们便不能说两个看上去显著不同的物体是不可以归为一类的。

就好像两台电脑和一个鼠标，如果你后面知道了两台电脑一个是联想的一个是华硕的，而鼠标是联想的。怎样去区分都是可以自圆其说的。

甚至你可以把华硕电脑和联想鼠标划为一类，标准设置成“非联想电脑”。

这就好像射完箭再画靶子，能否命中靶心取决于你把靶子画在哪里。

同时这也说明了，用不同的特征去分类，结果会产生很大的变化。

而看待问题的角度，往往决定了分类的结果。

就好像SVM分类器，把数据升高一个维度，就可以找到一个正确分开数据的角度。

那么把数据维度扩展到n维，是不是可以找到n多个分类结果呢？

难怪有句话这么说：“拷问数据足够久，数据就会招供。”