Hovedforskellen mellem klyngedannelse og klassificering er, at klyngedannelse er en ikke-overvåget læringsteknik, der grupperer lignende forekomster på basis af funktioner, mens klassificering er en overvåget læringsteknik, der tildeler foruddefinerede tags til forekomster på basis af funktioner.
Selvom klyngedannelse og klassificering ser ud til at være lignende processer, er der en forskel mellem dem baseret på deres betydning. I datamineverdenen er klyngedannelse og klassificering to typer læringsmetoder. Begge disse metoder karakteriserer objekter i grupper efter en eller flere funktioner.
INDHOLD
1. Oversigt og nøgleforskel
2. Hvad er klynge
3. Hvad er klassificering
4. Sammenligning side om side - Klyngedannelse vs klassifikation i tabelform
5. Resumé
Hvad er klyngedannelse?
Klyngedannelse er en metode til gruppering af objekter på en sådan måde, at objekter med lignende træk kommer sammen, og objekter med forskellige træk går fra hinanden. Det er en almindelig teknik til statistisk dataanalyse til maskinindlæring og datamining. Eksplorativ dataanalyse og generalisering er også et område, der bruger klyngedannelse.
Figur 01: Klyngedannelse
Klynger tilhører dataovervågning uden tilsyn. Det er ikke en enkelt specifik algoritme, men det er en generel metode til at løse en opgave. Derfor er det muligt at opnå klyngedannelse ved hjælp af forskellige algoritmer. Den korrekte klyngealgoritme og parameterindstillinger afhænger af de enkelte datasæt. Det er ikke en automatisk opgave, men det er en iterativ opdagelsesproces. Derfor er det nødvendigt at ændre databehandling og parametermodellering, indtil resultatet opnår de ønskede egenskaber. K-betyder klyngedannelse og hierarkisk klyngedannelse er to almindelige klyngealgoritmer i datamining.
Hvad er klassificering?
Klassificering er en kategoriseringsproces, der bruger et træningssæt af data til at genkende, differentiere og forstå objekter. Klassificering er en overvåget læringsteknik, hvor et træningssæt og korrekt definerede observationer er tilgængelige.
Figur 02: Klassificering
Algoritmen, der implementerer klassificering, er klassifikatoren, mens observationer er tilfældene. K-nærmeste naboalgoritme og beslutningstræalgoritmer er de mest berømte klassificeringsalgoritmer inden for datamining.
Hvad er forskellen mellem klyngedannelse og klassificering?
Klyngedannelse er ikke-overvåget læring, mens klassificering er en overvåget læringsteknik. Den grupperer lignende forekomster på basis af funktioner, mens klassificering tildeler foruddefinerede tags til forekomster på basis af funktioner. Klyngedeling delte datasættet i delmængder for at gruppere forekomsterne med lignende funktioner. Det bruger ikke mærkede data eller et træningssæt. På den anden side, kategoriser de nye data i henhold til observationer af træningssættet. Træningssættet er mærket.
Målet med klyngedannelse er at gruppere et sæt objekter for at finde ud af, om der er nogen sammenhæng mellem dem, mens klassificering sigter mod at finde hvilken klasse et nyt objekt tilhører fra sættet af foruddefinerede klasser.
Resumé - Clustering vs Classification
Klyngedannelse og klassificering kan virke ens, fordi begge datamining-algoritmer deler datasættet i delmængder, men de er to forskellige læringsteknikker i datamining for at få pålidelig information fra en samling rådata. Forskellen mellem klyngedannelse og klassificering er, at klyngedannelse er en ikke-overvåget læringsteknik, der grupperer lignende forekomster på basis af funktioner, mens klassificering er en overvåget læringsteknik, der tildeler foruddefinerede tags til forekomster på basis af funktioner.
Billede med tilladelse:
1.”Cluster-2 ″ af Cluster-2.gif: hellisp afledt arbejde: (Public Domain) via Wikimedia Commons 2.” Magnetism”af John Aplessed - Eget arbejde. (Public Domain) via Wikimedia Commons
