聚类思想是什么意思 聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程.它是一种重要的人类行为.聚类与分类的不同在于，聚类所要求划分的类是未知的.聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性.聚类分析的目标就是在相似的基础上收集数据来分类.聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学.在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中.从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法.传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等.采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS等.从机器学习的角度讲，簇相当于隐藏模式.聚类是搜索簇的无监督学习过程.与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据对象有类别标记.聚类是观察式学习，而不是示例式的学习.从实际应用的角度看，聚类。
自动分类的自动聚类 在文献的手工分类过程中，人们往往根据文献的主题内容，以公认的科学分类体系(如《杜威十进分类法》、《国际十进分类法》、《中国图书资料分类法》等)，来决定每篇文献的分类号。可以说，文献的分类过程，就是人们根据一定的分类标准给文献以分类号的过程。文献分类的目的是为了便于人们按文献的内在特征，即所属类别进行查找。自动分类与手工分类相比，其类目体系的决定更科学、更灵活，文献的定类更整齐划一。同时，由于劳力的限制，人工分类往往不细、不全(大多一篇文献划归一类)，而自动分类则可克服这些缺点，并有很大的潜力。特别是自动聚类与自动分类的结合，将使自动分类体系具有新陈代谢的生命特征，并将为高效的聚类检索奠定基础。
无监督学习四种实现模型（聚类学习、自动编码器、生成模型、PredNet）之间的区别是什么？ 最近无监督学习很火，我想知道聚类学习、自动编码器、生成模型和 PredNet 这四种无监督学习实现模式的区…
聚类与分类有什么区别 简单地说，分类(Categorization or 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。简单地说，聚类是指事先没有“标签”而通过某种成团分析。
聚类是什么？
聚类与分类有什么区别？ 网络爬虫www.GooSeeker.com 创始人，数据挖掘和数据获取社区运营 。http：//www. differencebetween.net/t echnology/difference-between-clustering-and-classification/ 。
数据挖掘中的聚类算法聚成几类是人为设定还是自动的？用SOM神经网络做聚类是不是就是人为设定好聚几类？ 可以选择默认的类数，也可以自己设定。建议不要超过9个类别。再看看别人怎么说的。分类是开始有训练集，通过大量样本集进行分类，然后对待测数据进行归类，通过计算，看。
K-均值聚类K值如何自动选取 最近在研究K均值算法，将其用于一个数据集的分类。但是，K均值缺点限制了有效利用。我对我要处理的数据集并不知道能够分几类，也就是K值未知，。
数据挖掘中的聚类算法聚成几类是人为设定还是自动的？用SOM神经网络做聚类是不是就是人为设定好聚几类？ 看了之前的回答，都不专业聚类分析是一种无指导的分析，如果理解聚类的核心含义，你就能明白，聚类的数量是没有标准的，必须人为设定，但是特殊的聚类方法可以给你一些参考，比如：系统聚类，它可以生成聚类树，这样你就能直观判断分成几类合适。再比如：二阶聚类，系统模型会自动选择分成几类（如果不人为设定）。聚类是无指导的训练样本，分类是有指导的训练样本，分类就是通过已知的样本建立分类规则，来预测新样本的分类，为什么是有指导的？因为分类是用样本的其它属性来解释、预测我们感兴趣的属性的模型，这是白话。举例：我们知道一批用户的人口统计变量、消费、工资和贷款还款情况，现在我们要用用户的人口统计变量、消费、工资来对用户的贷款还款情况进行预测，这就是分类模型，在这里要用到分类决策树。就是说我们用样本的其它属性来对样本的贷款还款情况建立分类规则，然后对未来的新样本进行预测，判断新用户是否是理想的放贷对象
有哪些常用的聚类算法？
