数据挖掘中,分类与聚类的区别
本文对数据挖掘中,极为常见的两类算法:分类与聚类,做个梳理。
首先,来看看分类和聚类各自的一些定义描述。
分类(classification ):
分类算法需要学习,它通过学习找出描述并区分数据类的模型,以将模型应用于预测标记未知的对象类。即从历史数据纪录中通过学习,自动推导出对给定数据的推广描述,从而能对未来数据进行预测。
分类的目的产出,是一个分类函数或分类模型,亦称分类器,可以把数据库中的数据项映射到预设类别其中一个。
分类器通过训练样本数据集来构造。训练集由一组元组构成,每个元组是一个若干字段(又称属性或特征)值组成的特征向量,并包含有一个类别标记。一个具体样本的形式可表示为:(V1,V2,…,Vn; c);其中Vi表示字段值,c表示类别。
常见分类器的构造方法有决策树、贝叶斯、ANN等。
可通过一下标准来对分类效果进行评估:
1)准确率。模型正确地预测新样本的类标号的能力;
2)计算速度。包括构造模型以及使用模型进行分类的时间;
3)强壮性。模型对噪声数据或空缺值数据正确预测的能力;
4)可伸缩性。对于数据量很大的数据集,有效构造模型的能力;
5)模型描述的简洁性和可解释性。模型描述愈简洁、愈容易理解,则愈受欢迎。
预测准确度是用得最多的一种比较尺度,特别是对于预测型分类任务。而对于描述型的分类任务,模型描述越简洁越受欢迎。
另外,分类的效果会样本的特点有关,有的数据噪声大,有的有空缺值,有的分布稀疏,有的字段或属性间相关性强,有的属性是离散的而有的是连续值或混合式的。不存在某种方法能适合于各种特点的数据。
聚类(clustering):
聚类是如下所述的一个过程:
1) 根据“物以类聚”的原理,将本身没有类别的样本聚集成不同的对象集合——簇
2) 对簇进行描述
聚类的目的是使得同簇的样本之间应该相似度最大化,而不同簇的样本应相似度最小化。
聚类的目的旨在发现空间实体的属性间的函数关系,表示挖掘所得知识的方程式,以属性名为变量。
常见聚类算法包括:k-means聚类、层次聚类、SOM聚类、FCM聚类等。
分类与聚类的不同:
分类
1) 预设类别,类别数不变
2) 样本有标记
3) 有指导学习
4) 适合类别或分类体系已经确定的场合
聚类
1) 无需预设类别,类别数不确定,类别在学习中生成
2) 样本无标记,学习中标记
3) 无监督学习
4) 合不存在分类体系、类别数不确定的场合
5) 是一种探索式的学习
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12