分类（有监督学习）和聚类（无监督学习）有什么区别呢？

首先分类算法是一种有监督的学习算法，比如:bp神经网络、支持向量机svm、决策树等等，这样的算法有很多，那么什么是有监督学习算法呢？



上图中的第一组数据是一个训练样本集，可以看到该样本集有3个特征（输出），一个输出（类别），每一个样本都对应一个类别标签。1、2、3三个标签对应3种不同的类别，这个对应关系是在算法学习之前就对应好了的，也就是说这个标签是已经告知我们了。这种在学习前已经告知样本标签的数据学习就是有监督学习，这里的监督就是指告知结果、告知类别的含义。第二组数据则是根据第一组数据学习训练后，利用机器学习算法带入特征分类得到的结果。

再来看看聚类，它是一种无监督的学习算法，最经典的就是Kmeans聚类算法。和上面的有监督对应的，无监督就是算法在学习前用到的数据是没有标签、没有告知类别的。



上图第一组数据即为学习数据，这里只有特征，没有标签没有类别。下面的第二组数据则为聚类算法聚类得到的结果。

注意：

聚类结果里的1、2、3与分类结果里的1、2、3含义是大不相同的。

聚类结果里的数字只表示一种类别，但是这个类别表示什么含义，光从聚类结果来看是不清楚的，需要通过其他专业知识根据数据去判别，聚类里的数字主要是用来区分是否是同一类，不同的数字表示不同的类别，同样的数字表示的是同样的类别。

分类结果里的数字的含义与分类用的训练数据里的标签含义一致，比如在训练数据里1表示高、2表示中、3表示矮，那么在分类结果里分为1也表示高，3也表示矮，这里数字的含义是一一对应的。

这是分类算法和聚类算法的最大的区别.................






请前往：http://www.mark-to-win.com/TeacherV2.html?id=269