数据分类和聚类的区别

1.分类

利用分类技术可以从数据集中提取描述数据类的一个函数或模型（也常称为分类器classifier），并把数据集中的每个对象归结到某个已知的对象类中。从机器学习的观点，分类技术是监督学习，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。所谓分类，简单来说，就是根据数据的特征或属性，划分到已有的类别中。

分类做为一种有监督学习，要求事先知道各个类别的信息。

常用的分类算法包括：决策树分类法，基于规则的分类器，朴素贝叶斯，支持向量机，神经网络法，k近邻，模糊分类法。

2、聚类

聚类就是将相似的东西分到一组，聚类不关心某一类是什么，只是把相似的东西聚在一起。聚类分析就是将数据划分为有意义的有用的组（簇）。所以聚类算法通常只要知道如何计算相似度就可以开始工作了，因此聚类通常并不需要使用训练数据进行学习，即无监督学习。