De belangrijk verschil tussen clustering en classificatie is dat clustering een niet-gecontroleerde leertechniek is die vergelijkbare instanties groepeert op basis van kenmerken, terwijl classificatie een begeleide leertechniek is die vooraf gedefinieerde tags aan instanties toewijst op basis van kenmerken.
Hoewel clustering en classificatie vergelijkbare processen lijken te zijn, is er een verschil tussen beide op basis van hun betekenis. In de dataminingwereld zijn clustering en classificatie twee soorten leermethoden. Beide methoden karakteriseren objecten in groepen door een of meer kenmerken.
INHOUD
1. Overzicht en belangrijkste verschil
2. Wat is clustering
3. Wat is classificatie
4. Vergelijking zij aan zij - clustering versus classificatie in tabelvorm
5. Samenvatting
Wat is clustering?
Clustering is een methode om objecten zo te groeperen dat objecten met vergelijkbare kenmerken samenkomen en objecten met ongelijke kenmerken uit elkaar vallen. Het is een veelgebruikte techniek voor statistische gegevensanalyse voor machine learning en datamining. Verkennende data-analyse en generalisatie is ook een gebied dat gebruikmaakt van clustering.
Figuur 01: Clustering
Clustering hoort bij datamining zonder toezicht. Het is niet één specifiek algoritme, maar het is een algemene methode om een taak op te lossen. Daarom is het mogelijk om clustering te bereiken met behulp van verschillende algoritmen. Het juiste clusteralgoritme en parameterinstellingen zijn afhankelijk van de individuele datasets. Het is geen automatische taak, maar het is een iteratief ontdekkingsproces. Daarom is het nodig om de gegevensverwerking en parametermodellering te wijzigen totdat het resultaat de gewenste eigenschappen bereikt. K-betekent clustering en hiërarchische clustering zijn twee veelgebruikte clusteralgoritmen in datamining.
Wat is classificatie?
Classificatie is een categorisatieproces dat gebruikmaakt van een trainingsset met gegevens om objecten te herkennen, onderscheiden en begrijpen. Classificatie is een begeleide leertechniek waarbij een trainingsset en correct gedefinieerde observaties beschikbaar zijn.
Figuur 02: Classificatie
Het algoritme dat classificatie implementeert, is de classificator, terwijl de waarnemingen de instanties zijn. K-Dichtstbijzijnde buuralgoritme en beslissingsboomalgoritmen zijn de meest bekende classificatie-algoritmen in datamining.
Wat is het verschil tussen clustering en classificatie?
Clusteren is leren zonder toezicht, terwijl classificatie een leertechniek onder toezicht is. Het groepeert vergelijkbare instanties op basis van kenmerken, terwijl classificatie vooraf gedefinieerde tags aan instanties toewijst op basis van kenmerken. Clustering splitst de gegevensset in subsets om de instanties met vergelijkbare functies te groeperen. Het maakt geen gebruik van gelabelde gegevens of een trainingsset. Aan de andere kant categoriseer je de nieuwe gegevens op basis van de observaties van de trainingsset. De trainingsset is gelabeld.
Het doel van clustering is om een set objecten te groeperen om erachter te komen of er een relatie tussen is, terwijl classificatie tot doel heeft uit de set van vooraf gedefinieerde klassen te achterhalen tot welke klasse een nieuw object behoort.
Samenvatting - Clustering versus classificatie
Clustering en classificatie kunnen vergelijkbaar lijken omdat beide datamining-algoritmen de dataset in subsets verdelen, maar het zijn twee verschillende leertechnieken bij datamining om betrouwbare informatie te krijgen uit een verzameling onbewerkte gegevens. Het verschil tussen clustering en classificatie is dat clustering een niet-gecontroleerde leertechniek is die vergelijkbare instanties groepeert op basis van kenmerken, terwijl classificatie een begeleide leertechniek is die vooraf gedefinieerde tags aan instanties toewijst op basis van kenmerken.
Hoffelijkheid van afbeeldingen:
1.”Cluster-2 ″ door Cluster-2.gif: hellisp afgeleid werk: (Public Domain) via Wikimedia Commons 2.” Magnetism”door John Aplessed - Eigen werk. (Public Domain) via Wikimedia Commons
