数据挖掘有很多的领域,分类是其中之一,分类就是把一些新的数据项映射到给定类别的中的某一个类别,比如当我们发表一篇文章的时候,就可以自动的把这篇文章划分到某一个文章类别,一般的过程是根据样本的数据利用一定的分类算法,得到分类规则,新的数据过来就依据该规则进行类别的划分。
分类在数据挖掘中是一项非常重要的任务,有很多的用途。比如预测,即从历史的样本数据中推算出未来数据的趋向。项目期间,通过使用小儿中医肺炎的数据将肺炎的类型进行分类,然后通过输入新的数据记录来判断患者究竟属于哪一种肺炎类型,以便对症下药。
相对于聚类,分类和聚类的区别就是是否有预先的学习阶段,聚类是没有的,一开始就聚类,而分类是有学习过程的,用分类可以解决的问题,用聚类肯定可以解决。但是就平均的准确度来说,分类算法的准确度可能会高点,原因是分类使用了数据原有的特性,根据数据已有的特性形成规则,然后使用规则对数据进行分析。在Mahout中有很多的分类算法,项目期间主要是用到了Bayesian和RandomForest算法。