机器学习中分类和聚类的区别

机器学习中分类和聚类的区别

在机器学习中有两种常见的任务：分类(Classification)和聚类(Clustering)。
在初学机器学习时，对这两个概念的理解容易混淆，随着学习的深入，对这两个概念有了基本的认识，现总结如下：

1.分类：
属于监督学习的范畴，根据一些给定的已知类别的样本，使它能够对未知类别的样本进行分类，要求必须事先明确知道各个类别的信息。

2.聚类：
属于无监督学习的范畴，根据样本间的某种距离或者相似性来定义聚类，即把相似的（或距离近的）样本聚为同一类，而把不相似的（或距离远的）样本归在其他类。
一般有三种距离度量，曼哈顿距离、欧氏距离、闵可夫斯基距离，公式如下：