分类和聚类的区别

要知道分类和聚类的区别，了解一下有监督学习和无监督学习。这两个概念算是算法基础，同时也是面试官经常会问到的(小姐姐我就被问到了，当然我回答上来了--)

有监督学习

训练数据包括输入（features）和输出（lable）。常见的如：逻辑回归，支持向量机，深度学习。

无监督学习

训练数据只有输入。只能通过特征的相似性对样本聚类。常见的如：K-means，DBSCAN。

分类和聚类的区别

分类：有训练数据，且训练数据包含输入和输出（有监督学习），已知分类的类别（即训练数据的输出）。学习出一个模型，用该模型对未分好类（预测数据）的数据进行预测分类（已知的类别中）。

聚类：训练数据只有输入（无监督学习）。训练过程即预测过程（聚类过程），且不知道类别，甚至不知道有多少个类别，类别的数量需要指定（K-means）,也可以直接通过算法学习出来（DBSCAN）。只能通过特征的相似性对样本分类。该过程即聚类。