问数据挖掘中分类和聚类的区别？

EN

+分类:给你一些新的数据，你必须为它们设置新的标签。

例如，一家公司希望对其潜在客户进行分类。当新客户到来时，他们必须确定这是不是要购买他们的产品的客户。

+聚类:您将获得一组历史交易，其中记录了谁购买了什么。

通过使用聚类技术，您可以区分客户的细分。

我相信你们中的许多人都听说过机器学习。十几个人甚至可能知道它是什么。你们中的一些人可能也曾使用过机器学习算法。你们知道这是怎么回事了吗？没有多少人熟悉这项技术，这项技术在5年后将是绝对必要的。Siri是机器学习。亚马逊的Alexa是机器学习。广告和购物项目推荐系统都是机器学习。让我们用一个2岁男孩的简单类比来理解机器学习。为了好玩，我们就叫他Kylo Ren吧

​

​

假设Kylo Ren看到了一头大象。他的大脑会告诉他什么？(请记住，即使他是维德的继任者，他的思考能力也是最低的)。他的大脑会告诉他，他看到了一个灰色的大动物在移动。接着，他看到了一只猫，他的大脑告诉他，这是一只金色的小动物。最后，他看到了一把光剑，他的大脑告诉他，这是一个没有生命的物体，他可以玩！

在这一点上，他的大脑知道军刀不同于大象和猫，因为军刀是可以玩耍的东西，不会自己移动。即使Kylo不知道移动是什么意思，他的大脑也能搞清楚这一点。这种简单的现象被称为聚类。

​

​

机器学习只不过是这个过程的数学版本。许多研究统计学的人意识到，他们可以让一些方程像大脑一样工作。大脑可以对相似的对象进行聚类，大脑可以从错误中学习，大脑可以学习识别事物。

所有这些都可以用统计来表示，这个过程的基于计算机的模拟被称为机器学习。为什么我们需要基于计算机的模拟？因为计算机可以比人脑更快地完成繁重的数学计算。我很乐意进入机器学习的数学/统计部分，但你不想在没有明确一些概念的情况下跳到这一部分。

让我们回到Kylo Ren。比方说Kylo拿起军刀，开始玩它。他不小心撞上了冲锋队，冲锋队受伤了。他不知道发生了什么，继续玩。接下来，他撞上了一只猫，猫受伤了。这一次，Kylo确信他做了什么坏事，并试着有点小心。但考虑到他糟糕的剑术，他击中了大象，并确信自己有麻烦了。但之后他变得非常小心，只会故意打他的父亲，就像我们在《原力觉醒》中看到的那样！

​

​

从错误中学习的整个过程可以用等式来模拟，其中做错事的感觉是由错误或成本表示的。这个确定不能用军刀做什么的过程被称为分类。聚类和分类是机器学习的绝对基础。让我们来看看它们之间的区别。

Kylo区分了动物和光剑，因为他的大脑认为光剑不能自己移动，因此是不同的。这一决定完全基于物体(数据)，没有提供任何外部帮助或建议。与此形成对比的是，Kylo通过首先观察打击物体可以做什么来区分小心使用光剑的重要性。这个决定并不完全基于军刀，而是基于它可以对不同的物体做什么。简而言之，这里有一些帮助。

​

​

由于学习中的这种差异，聚类被称为无监督学习方法，分类被称为监督学习方法。在机器学习世界中，这两种方法非常不同，并且通常由存在的数据类型决定。获取带标签的数据(或帮助我们学习的东西，如Kylo中的冲锋队、大象和猫)通常并不容易，当要区分的数据很大时，会变得非常复杂。另一方面，没有标签的学习也有它自己的缺点，比如不知道标签的标题是什么。如果Kylo在没有任何例子或帮助的情况下学会小心使用军刀，他不会知道它会做什么。他只会知道这是不应该做的。这是一个有点站不住脚的类比，但你明白了！

我们才刚刚开始学习机器学习。分类本身可以是连续数字的分类，也可以是标签的分类。例如，如果凯洛必须对每个冲锋队士兵的高度进行分类，答案将会很多，因为高度可以是5.0、5.01、5.011等。但是像光剑类型(红色、blue.green)这样的简单分类的答案将非常有限。事实上，它们可以用简单的数字来表示。红色可以是0，蓝色可以是1，绿色可以是2。

如果你知道基本的数学知识，你就会知道0,1,2和5.1,5.01,5.011是不同的，分别被称为离散和连续数字。离散数的分类称为Logistic回归，连续数的分类称为回归。Logistic回归也称为分类分类，所以当你在别处读到这个术语时，不要混淆。

这是对机器学习的一个非常基本的介绍。我将在下一篇文章中详述统计方面的内容。如果我需要任何更正，请告诉我：)

第二部分发布了here。

​

我是数据挖掘的新手，但正如我的课本上所说，CLASSICIATION应该是监督学习和聚类无监督学习。监督学习和无监督学习之间的区别可以在here上找到。