通过聚类，可以用所需的属性(如数量、形状和提取的聚类的其他属性)对数据进行分组。而在分类中，组的数量和形状是固定的。 大多数聚类算法都给出了聚类个数作为参数。然而，有一些方法可以找出合适的集群数量。

分类——数据集可以有不同的组/类。红色，绿色和黑色。分类将试图找到将它们划分为不同类别的规则。

聚类——如果一个数据集没有任何类，而你想把它们放在某个类/分组中，你就可以进行聚类。上面紫色的圆圈。

如果分类规则不好，你就会在测试中出现错误分类，或者你的规则不够正确。 如果聚类不好，你会有很多异常值。不能落在任何集群中的数据点。

我认为分类是将数据集中的记录分类为预定义的类，甚至是在运行中定义类。我认为这是任何有价值的数据挖掘的先决条件，我喜欢把它看作无监督学习，即在挖掘数据和分类作为一个很好的起点时，一个人不知道他/她在寻找什么

另一端的聚类属于监督学习，即一个人知道要寻找什么参数，它们之间的相关性以及关键水平。我认为这需要对统计学和数学有所了解

分类 —预测类别标签 -根据训练集和类标签属性中的值(类标签)对数据进行分类(构造模型) —使用该模型对新数据进行分类

集群:数据对象的集合 —同一集群内彼此相似 —与其他集群中的对象不同

机器学习或AI在很大程度上是通过它执行/完成的任务来感知的。

在我看来，通过在任务的概念上思考聚类和分类，可以真正帮助理解两者之间的区别。

聚类是对事物进行分组，分类是给事物贴上标签。

让我们假设你在一个派对大厅里，所有的男人都穿着西装，女人都穿着长袍。

现在，你问你的朋友几个问题:

你好，你能帮我分组吗?

你的朋友可能给出的答案有:

1:他可以根据性别分组，男性或女性

2:他可以根据人的衣服来分组，一个穿西装，一个穿长袍

他可以根据头发的颜色把人分类

他可以把人按年龄分组，等等。

你的朋友有很多方法可以完成这个任务。

当然，你可以通过提供额外的信息来影响他的决策过程，比如:

你能帮我把这些人按性别(或年龄，或头发颜色或衣服等)分组吗?

Q2:

在第二季度之前，你需要做一些准备工作。

你必须教导或通知你的朋友，这样他才能做出明智的决定。假设你对你的朋友说:

留长头发的人是女人。 留短发的人是男人。

Q2。现在，你指着一个长头发的人问你的朋友:这是一个男人还是一个女人?

你能想到的唯一答案是:女人。

当然，聚会上也可以有长发的男人和短发的女人。但是，根据你提供给你朋友的知识，答案是正确的。你可以通过教你的朋友如何区分这两者来进一步改进这个过程。

在上面的例子中，

Q1表示集群完成的任务。

在聚类中，你向算法(你的朋友)提供数据(人)，并要求它对数据进行分组。

现在，由算法来决定什么是分组的最佳方式?(性别、肤色或年龄组别)。

同样，你可以通过提供额外的输入来影响算法的决策。

Q2表示分类完成的任务。

在那里，你给你的算法(你的朋友)一些数据(人)，称为训练数据，并让他学习哪些数据对应哪个标签(男性或女性)。然后，您将算法指向某些数据，称为测试数据，并要求它确定它是男性还是女性。你的教学越好，预测就越准。

在Q2或Classification中的Pre-work只是训练你的模型，这样它就可以学习如何区分。在聚类或Q1中，这个前期工作是分组的一部分。

希望这能帮助到一些人。

谢谢

I am sure a number of you have heard about machine learning. A dozen of you might even know what it is. And a couple of you might have worked with machine learning algorithms too.  You see where this is going? Not a lot of people are familiar with the technology that will be absolutely essential 5 years from now. Siri is machine learning. Amazon’s Alexa is machine learning. Ad and shopping item recommender systems are machine learning.  Let’s try to understand machine learning with a simple analogy of a 2 year old boy. Just for fun, let’s call him Kylo Ren

让我们假设凯洛·伦看到了一头大象。他的大脑会告诉他什么?(记住，即使他是维德的继任者，他也只有最低限度的思考能力)。他的大脑会告诉他，他看到了一个巨大的移动生物，颜色是灰色的。接着他看到一只猫，他的大脑告诉他那是一只会动的金色小动物。最后，他看到了一把光剑，他的大脑告诉他，这是一个无生命的物体，他可以玩!

此时他的大脑知道，军刀不同于大象和猫，因为军刀是用来玩的，不会自己移动。即使凯洛不知道移动是什么意思，他的大脑也能想出这么多。这个简单的现象叫做聚类。

机器学习只不过是这个过程的数学版本。 很多研究统计学的人意识到，他们可以用大脑工作的方式来计算一些方程。 大脑可以聚类相似的物体，大脑可以从错误中学习，大脑可以学习识别事物。

所有这些都可以用统计数据来表示，基于计算机模拟的这一过程被称为机器学习。为什么我们需要基于计算机的模拟?因为计算机比人脑更快地完成繁重的数学运算。 我很想进入机器学习的数学/统计部分，但在没有明确一些概念之前，你不会想直接进入。

Let’s get back to Kylo Ren. Let’s say Kylo picks up the saber and starts playing with it. He accidentally hits a stormtrooper and the stormtrooper gets injured. He doesn’t understand what’s going on and continues playing. Next he hits a cat and the cat gets injured. This time Kylo is sure he has done something bad, and tries to be somewhat careful. But given his bad saber skills, he hits the elephant and is absolutely sure that he is in trouble.  He becomes extremely careful thereafter, and only hits his dad on purpose as we saw in Force Awakens!!

从错误中学习的整个过程可以用方程式来模拟，在方程式中，做错事的感觉用错误或代价来表示。这种识别不该用军刀做什么的过程叫做分类。 聚类和分类是机器学习的绝对基础。让我们看看它们之间的区别。

Kylo differentiated between animals and light saber because his brain decided that light sabers cant move by themselves and are therefore, different. The decision was based solely upon the objects present (data) and no external help or advice was provided.  In contrast to this, Kylo differentiated the importance of being careful with light saber by first observing what hitting an object can do. The decision wasn’t completely based on the saber, but on what it could do to different objects . In short, there was some help here.

Because of this difference in learning, Clustering is called an unsupervised learning method and Classification is called a supervised learning method.  They are very different in the machine learning world, and are often dictated by the kind of data present. Obtaining labelled data (or things that help us learn , like stormtrooper,elephant and cat in Kylo’s case) is often not easy and becomes very complicated when the data to be differentiated is large. On the other hand, learning without labels can have it’s own disadvantages , like not knowing what are the label titles.  If Kylo was to learn being careful with the saber without any examples or help, he wouldn’t know what it would do. He would just know that it is not suppose to be done. It’s kind of a lame analogy but you get the point!

We are just getting started with Machine Learning. Classification itself can be classification of continuous numbers or classification of labels. For instance, if Kylo had to classify what each stormtrooper’s height is, there would be a lot of answers because the heights can be 5.0, 5.01, 5.011, etc. But a simple classification like types of light sabers (red,blue.green) would have very limited answers. Infact they can be represented with simple numbers. Red can be 0 , Blue can be 1 and Green can be 2.

如果你懂基础数学，你就知道0、1、2和5.1、5.01、5.011是不同的，分别被称为离散数和连续数。离散数的分类称为逻辑回归，连续数的分类称为回归。 逻辑回归也被称为分类分类，所以当你在其他地方读到这个术语时不要感到困惑

这是关于机器学习的一个非常基础的介绍。我将在下一篇文章中详细讨论统计方面的问题。如果我需要更正，请告诉我:)

第二部分张贴在这里。