返回主题:学习范式与泛化边界

知识卡片

普通读书笔记卡 · 2777.f

聚类与分类之别

理解等级:未标注

聚类不要求数据带标签,是非监督学习,用于探索性分析,结果是非人为定义的分群,不同人可能有不同解读。分类需要带标签的训练数据,是监督学习,用于预测新样本的类别,结果是确定值,典型应用有信用评级、风险等级、欺诈预测。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《企业大数据系统构建实战:技术、架构、实施与应用》第8章《大数据工作流》"8.4.4 深度挖掘学习"之"分类"(源文件:_epub-src/OEBPS/text00120.html) - 结论依据:原文说明"聚类是一种非监督式学习算法,而分类是监督式学习算法……聚类不要求源数据集有标签,但分类需要标签用来做学习……聚类一般应用于做数据探索性分析,而分类更多地用于预测性分析……聚类算法的结果……不同人对聚类的结果解读可能不同;而分类的结果却是一个固定值",直接支撑本卡结论。 - 原始内容:学习方式不同。聚类是一种非监督式学习算法,而分类是监督式学习算法。·对源数据集要求不同。聚类不要求源数据集有标签,但分类需要标签用来做学习……解读结果不同。聚类算法的结果是将不同的数据集按照各自的典型特征分成不同类别……而分类的结果却是一个固定值(类别)