机器学习课程复习——聚类算法

无监督学习方法

不需要事先标记的数据

通过发现数据中的模式或结构来组织数据。

监督学习方法

需要依赖已标记的数据集来训练模型

以便能够对新的未知数据进行预测和分类。

聚类不依赖于预先定义的类别或标签

而是根据样本间的相似度或距离进行分组。

分类需要明确知道各个类别的信息

并且每个待分类项都必须有一个对应的类别。

适用于探索性数据分析

如市场细分、社交网络分析等场景，帮助发现隐藏的数据结构和模式。

常应用于具有明确目标的预测问题

如垃圾邮件检测、图像识别和疾病诊断等领域。

聚类的结果通常是数据的分组或集群，没有明确的标签

组内的对象相互之间是相似的，而不同组中的对象是不同的。

分类的结果是明确地将数据点划分到预定义的标签或类别中

每个类别都有明确的意义。