不懂分类和聚类，怎么敢说你懂数据挖掘！

Posted 2021-04-27 JMP数据分析

当我们面对大量数据的时候，总试图将大量的数据进行划分，然后依照划分的数据群组进行分析，而分类（Classification）与聚类（Clustering）就是我们常用的两种数据划分和数据挖掘技术。

然而在实际应用中，我们常常没有过多地去区分这两个概念，觉得聚类就是分类，分类也差不多就是聚类，很容易“傻傻分不清楚”。其实，这两者之间有着本质的区别。

今天，小编就带着大家，通过入门级的知识普及和小案例应用，一起来探讨下分类与聚类在数据挖掘中的区别。

首先，我们来看看什么是分类和聚类。

所谓分类(Classification)，就是按照某种标准给对象贴标签(label)，再根据标签来区分归类；而聚类(Clustering)，则是在是指事先没有“标签”的情况下，通过某种聚集分析，找出事物之间存在聚集性原因的过程。

分类如何使用？

从机器学习上看，分类作为一种监督学习方法，它的目标在于通过已有数据的确定类别，学习得到一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个类中。

简单地说，就是我们在进行分类前，得到的数据已经标示了数据所属的类别，分类的目标就是得到一个分类的标准，使得我们能够更好的把不同类别的数据区分出来。

 

就如下图所示，分类分析的目的就是要找出区分红色数据和绿色数据的标准。分类分析的过程就是算法不断递进、使得标准更为准确的过程。

图：分类分析的过程

了解完分类，我们再来看看聚类。

聚类如何使用？

与分类技术不同，在机器学习中，聚类是一种无指导学习，也叫无监督学习。即聚类是在预先不知道分类的情况下，根据信息相似度原则进行信息聚类的一种方法。

聚类的目的，是将大量的数据通过“属于同类别的对象之间的差别尽可能的小，而不同类别的对象的差别尽可能的大”的原则进行分类。

 

因此，聚类的意义就在于将观察到的内容组织成类分层结构，把类似的事物组织在一起。通过聚类分析，人们能够识别密集的和稀疏的区域，因而发现全局的分布模式，以及数据属性之间有趣的关系。

图：聚类分析的过程

好了，了解完分类和聚类的概念及用法之后，接下来，我们分别通过两个简单的例子，来给大家进行更加形象的进一步说明。

分类——小案例

首先，我们来看第一个例子。这个例子是我们在分类分析和模式识别中常用的鸢尾花的数据。如下图所示，在这组数据中，记录了收集到的不同物种的鸢尾花萼片长度、宽度和花瓣长度、宽度。

此时，我们就需要通过分类分析，通过对萼片长度这些因子进行划分，找出能够更好区分不同的鸢尾花种类的模式。

点击图片查看高清大图

可以看出，在进行分类分析之前，我们事先是知道现有数据明确的类别信息，我们需要做的只是找出识别这些类别信息的模式规则。

聚类——小案例 

那么，如果现有的信息没有这些事先设定好的类别信息，而又需要对他们进行分类处理，这时候该怎么办呢？这就要用到聚类分析了。

下面这个例子，我们收集了一些糖果制造商不同品牌的糖果信息，诸如卡路里，脂肪等，但对于这些不同品牌的糖果，并没有一个明确的分类。

这时候我们就需要使用聚类分析的方法，将这些糖果基于上述信息进行分类，使得我们能够得知哪些糖果是属于哪一类，从而帮助我们更好地对不同类型的糖果特征进行探索。

点击图片查看高清大图 

综上所述，我们可以得知，分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候，我们在进行数据分析的时候，事前并不能得到各个类别的信息。那么在这个时候，我们就需要使用聚类分析的方法。通过聚类分析，将数据进行分类，去识别全局的分布模式，更好地去探索不同类别数据属性之间的区别和联系，从而找到数据的区分标识，并以此来进行更好的数据分类分析、探索和数据挖掘工作。

 

好了，今天我们抛砖引玉的这篇入门文章为分类与聚类系列文章的第一期。接下来，我们还将陆续推出几篇文章，为大家深入地介绍实现两种分析最常用的一些方法，及其落地应用的精彩案例。敬请期待！

如果你有任何想法，也欢迎发表留言与大家一起探讨和分享。

最后，想亲自体验JMP强大功能的

小伙伴，也可以下载JMP免费

试用30天，你可以点击文末“阅读原文”

或复制以下链接到PC端浏览器下载：

https://www.jmp.com/zh_cn/software/try-jmp.html?utm_campaign=td701a0000000tOVN&utm_source=Wechat&utm_medium=social 

后记：如果你需要下载JMP相关学习视频，也欢迎在微信后台回复以下关键字（注意是在对话框回复消息，不是留言哦），索取相应的录制视频：

• 回复“入门视频”，可下载“JMP应用入门”相关学习视频；

• 回复“DOE视频”，可下载“DOE实验设计”相关学习视频；

• 回复“EDA视频“，可下载“EDA探索性数据分析”相关学习视频；

• 回复“QC视频“，可下载“QC质量七工具”相关学习视频；

• 回复“可靠性视频“，可下载“可靠性分析"相关学习视频；

• 回复“消费者研究视频“，可下载“消费者研究中的数据分析”相关学习视频；

• 回复“高科技视频“，可下载“高科技制造质量提升”相关学习视频；

• 回复“临床医药视频“， 可下载“数据分析在药物临床及工艺研发阶段的应用”相关学习视频；

• 回复“CDISC视频”，可下载“CDISC策略及给临床试验业界带来的裨益”相关学习视频；

• 回复“医学统计教学视频”，可下载“现代化的统计分析工具提升医学统计教学与应用的效率”相关学习视频；

• 回复“工程教学视频”，可下载“JMP工程应用统计教学分享”相关学习视频；

• 回复“应用统计教学视频”，可下载“JMP应用统计教学分享”相关学习视频。

敏捷分析 成就无限

点击“阅读原文”，下载JMP30天免费试用版~