聚类与分类有什么区别？ 举报 理由 举报 取消 首先对经验数据进行分析，得到特征属性，以此特性进行挖掘，希望得到划分结果，这属于聚类还是分类？例如，已购买某产品的用户具有一些特性，得到用户画像，我采用某种算法分析出大量用户中可能购买此商品的用户群，这是聚类还是分类？虽然我事先知道划分的结果是可能/不可能，但这个应该属于聚类吧？另外，如能够传授些聚类算法，用于分析用户的就更感谢了！ 2018年1月23日 3 条回复 959 次浏览 数据挖掘
回复 ( 3 )
—–好吧—–自己的坑自己填上，以下都是自己总结和研究–我尽量以非常通俗的语言解释
———————————————–开始————————————————————-
聚类
有一天老板给你一堆数据，就像是这样的。。。。。
然后他说，你给我分类（聚类）出来，然后拍拍屁股走人了，办公室里留下你孤独的身影。。。
那这种纯属于数据的，一点带标签的影子都没有的有什么用呢？这就要用到聚类了，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。。。
诶？这个我给的数据明明是三维的，你咋给我拍成二维了，因为我用了二向箔武器啊。。。。。。
不闹
你要三维的，给你便是；
聚类先讲到这—所以说题主的问题得到特征属性这属于聚类
——————————————————诶?—————————————————-
分类：
老板有一天又和你说，诶？我这有一堆数据，你帮我分类（分类）一下，然后给你一堆数据，他就拍拍屁股走人了，办公室留下你孤独的身影。
然后数据是这样的；
（内心活动：我X尼玛）
这是一个200维（特征）的数据，具体我不能截图，涉及一些实验室的项目，后面201维它实际是个标签，就是说，第一组数据，它属于第六类，这是明确给定的，同理，第二组数据，它数据第10类，那就刺激了对不对，一组数据，它拥有两百个特征，把它想象成这是6号小怪兽，它拥有两百个特征（皮肤，菱角，眼睛颜色，喷火不。。）然后把这些属性归一化，也就是说，最最明显的，归一化后比较高，最不突出的归一化后接近0，这就好了，每头小怪兽都有200个特征，只是表现的突出不突出而已，，，，然后分类的目的就是，把小怪兽都输入数据库（分类器），然后数据库不断更新完善（分类器迭代），之后奥特曼打小怪兽的时候就可以直接扫一下小怪兽，然后传给数据库，数据库根据已有的数据进行预判咯，你这小怪兽，皮肤0.4，菱角0.01，，，，，应该是属于第几类小怪兽，然后奥特曼就放绝招把，哈哈哈哈。。。。
“严肃点！”
“好”
分类分为有监督，无监督，半监督，分别对应有无标签为-有-无-有一点
有监督就是样本数据给定所有标签，然后去训练分类器，这是能达到最高精度的一种
无监督也就是通常意义上的聚类，只给数据，不给标签
半监督这个厉害了，绝大多数数据不给标签，然后给一小部分数据贴上标签，再送分类器里面，用有监督的方式解决偏聚类问题！给个形象的图就是；
最后的最后，题主想要聚类算法，题主你咋不上天呢！！那么多聚类算法我们怎么说的完！！！
不过可以推荐看几本书，数据挖掘导论，数据挖掘概念与技术，这里面的基本都是聚类算法和思想，如果我有什么冒犯的地方，题主你可以过来打我啊，哈哈哈
谢邀：首先你要明白一个概念，聚类和分类的最基本区别。
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。
而聚类的理解更简单，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。
··