聚类和分类

分类简单来说，就是根据文本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。

聚类的理解更简单，就是你压根不知道数据会分为几类，通过聚类分析将数据或者说用户聚合成几个群体，那就是聚类了。聚类不需要对数据进行训练和学习。
分类属于监督学习，聚类属于无监督学习。常见的分类比如决策树分类算法、贝叶斯分类算法等聚类的算法最基本的有系统聚类，K-means均值聚类，这些都很常见，网上资料一大推，不再赘述。(简单说就是，物以类聚，大伙抱团行动，拿最简单的k-means来说，以‘距离’作为判断规则，就像小时候分校区，你家这块离哪个小学近，就去那个小学上学（现在属于区来选小学了，但这个区也可以用无监督的聚类算法来模拟，这个就跑题了）分完结果是这样的。。