数据挖掘(一)：分类与聚类、监督式机器学习与非监督式机器学习

为了通俗易懂区分分类与聚类举两个例子叭：

比如现在我有一个一堆水果，里面有苹果(青苹果,红苹果,黄苹果...)和梨(黄色的梨，绿色的梨...)：现在我们可以把这堆水果分成两类(苹果和梨)这就是一个分类过程

但是呢，小朋友可能不认识这么多种苹果这么多种的梨，我们让小朋友去把这堆水果分成两类，她可能会按照水果的形状，水果的颜色等分类，这就是聚类

分类是监督式机器学习：因为它先通过训练集训练一个模型，然后通过模型来做预测

而聚类是非监督式机器学习：它没有先训练模型，然后通过模型来进行预测的一个过程，而是通过某些相似性计算方法来预测

监督式机器学习：第一步：学习建模第二步：预测测试

现在我有一些数据，这些数据表格中直接给出了某个人的“发展评估”，我们通过学习建模得出

然后这时候来了一堆数据，我们并不知道这堆数据中，某个人的“发展评估情况”，这就是我们数据分析要做的事情了。

我们要用我们前面建立的模型，来让电脑判断这些人的“发展评估”。

分类技术：

聚类分析技术：

2022.02.27

数据挖掘

相关