一文全面了解分类分析和聚类分析

一文全面了解分类分析和聚类分析

当我们面对大量数据的时候，总试图将大量的数据进行划分，然后依次划分的数据群组进行分析，而分类和聚类就是我们常用的两种数据划分技术。在我们的应用中，我们常常没有过多的去区分这两个概念，觉得聚类就是分类，分类也差不多就是聚类。然而这两者之间有着本质的区别，接下来，我们就具体来探讨下分类与聚类之间在数据挖掘中的区别。

所谓分类(Classification)，就是按照某种标准给对象贴标签(label)，再根据标签来区分归类；而聚类，则是在是指事先没有“标签”的情况下，通过某种聚集分析，找出事物之间存在聚集性原因的过程。

从机器学习上看，分类作为一种监督学习方法，它的目标在于通过已有数据的确定类别，学习得到一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个类中。简单的说，就是我们在进行分类前，得到的数据已经标示了数据所属的类别，分类的目标就是得到一个分类的标准，使得我们能够更好的把不同类别的数据区分出来。就如下图所示，分类分析的目的就是要找出区分红色数据和绿色数据的标准，分类分析的过程就是算法不断递进，使得标准更为准确的过程。

图：分类分析的过程

与分类技术不同，在机器学习中，聚类是一种无指导学习。即聚类是在预先不知道分类的情况下，根据信息相似度原则进行信息聚类的一种方法。聚类的目的是将大量的数据通过“属于同类别的对象之间的差别尽可能的小，而不同类别上的对象的差别尽可能的大”的原则进行分类；因此，聚类的意义就在于将观察到的内容组织成类分层结构，把类似的事物组

织在一起。通过聚类分析，人们能够识别密集的和稀疏的区域，因而发现全局的分布模式，以及数据属性之间的有趣的关系。

图：聚类分析的过程

分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候，我们在进行数据分析的时候，事前并不能得到各个类别的信息。那么在这个时候，我们就需要使用聚类分析的方法，通过聚类分析，将数据进行分类，去识别全局的分布模式，更好的去探索不同类别数据属性之间的区别和联系，从而找到数据的区分标识，并以此来进行更好的数据分类分析工作。