
數(shù)據(jù)挖掘中,分類與聚類的區(qū)別
本文對(duì)數(shù)據(jù)挖掘中,極為常見的兩類算法:分類與聚類,做個(gè)梳理。
首先,來看看分類和聚類各自的一些定義描述。
分類(classification ):
分類算法需要學(xué)習(xí),它通過學(xué)習(xí)找出描述并區(qū)分?jǐn)?shù)據(jù)類的模型,以將模型應(yīng)用于預(yù)測(cè)標(biāo)記未知的對(duì)象類。即從歷史數(shù)據(jù)紀(jì)錄中通過學(xué)習(xí),自動(dòng)推導(dǎo)出對(duì)給定數(shù)據(jù)的推廣描述,從而能對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)。
分類的目的產(chǎn)出,是一個(gè)分類函數(shù)或分類模型,亦稱分類器,可以把數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到預(yù)設(shè)類別其中一個(gè)。
分類器通過訓(xùn)練樣本數(shù)據(jù)集來構(gòu)造。訓(xùn)練集由一組元組構(gòu)成,每個(gè)元組是一個(gè)若干字段(又稱屬性或特征)值組成的特征向量,并包含有一個(gè)類別標(biāo)記。一個(gè)具體樣本的形式可表示為:(V1,V2,…,Vn; c);其中Vi表示字段值,c表示類別。
常見分類器的構(gòu)造方法有決策樹、貝葉斯、ANN等。
可通過一下標(biāo)準(zhǔn)來對(duì)分類效果進(jìn)行評(píng)估:
1)準(zhǔn)確率。模型正確地預(yù)測(cè)新樣本的類標(biāo)號(hào)的能力;
2)計(jì)算速度。包括構(gòu)造模型以及使用模型進(jìn)行分類的時(shí)間;
3)強(qiáng)壯性。模型對(duì)噪聲數(shù)據(jù)或空缺值數(shù)據(jù)正確預(yù)測(cè)的能力;
4)可伸縮性。對(duì)于數(shù)據(jù)量很大的數(shù)據(jù)集,有效構(gòu)造模型的能力;
5)模型描述的簡(jiǎn)潔性和可解釋性。模型描述愈簡(jiǎn)潔、愈容易理解,則愈受歡迎。
預(yù)測(cè)準(zhǔn)確度是用得最多的一種比較尺度,特別是對(duì)于預(yù)測(cè)型分類任務(wù)。而對(duì)于描述型的分類任務(wù),模型描述越簡(jiǎn)潔越受歡迎。
另外,分類的效果會(huì)樣本的特點(diǎn)有關(guān),有的數(shù)據(jù)噪聲大,有的有空缺值,有的分布稀疏,有的字段或?qū)傩蚤g相關(guān)性強(qiáng),有的屬性是離散的而有的是連續(xù)值或混合式的。不存在某種方法能適合于各種特點(diǎn)的數(shù)據(jù)。
聚類(clustering):
聚類是如下所述的一個(gè)過程:
1) 根據(jù)“物以類聚”的原理,將本身沒有類別的樣本聚集成不同的對(duì)象集合——簇
2) 對(duì)簇進(jìn)行描述
聚類的目的是使得同簇的樣本之間應(yīng)該相似度最大化,而不同簇的樣本應(yīng)相似度最小化。
聚類的目的旨在發(fā)現(xiàn)空間實(shí)體的屬性間的函數(shù)關(guān)系,表示挖掘所得知識(shí)的方程式,以屬性名為變量。
常見聚類算法包括:k-means聚類、層次聚類、SOM聚類、FCM聚類等。
分類與聚類的不同:
分類
1) 預(yù)設(shè)類別,類別數(shù)不變
2) 樣本有標(biāo)記
3) 有指導(dǎo)學(xué)習(xí)
4) 適合類別或分類體系已經(jīng)確定的場(chǎng)合
聚類
1) 無需預(yù)設(shè)類別,類別數(shù)不確定,類別在學(xué)習(xí)中生成
2) 樣本無標(biāo)記,學(xué)習(xí)中標(biāo)記
3) 無監(jiān)督學(xué)習(xí)
4) 合不存在分類體系、類別數(shù)不確定的場(chǎng)合
5) 是一種探索式的學(xué)習(xí)
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10