图像聚类

1. 概述

1. 分类与聚类

分类： 分类解决的问题是从特定的数据集中挖掘模式，并作出判断的过程。

分类学习的主要过程：
(1) 给定训练数据集，数据集中存在一个类似标记作用的标记号，依据标记号来判断这个数据集是对于需要起积极作用的数据集（正向数据集）还是对需要起抑制作用的数据集（负向数据集），例如需要是分类水果是否是葡萄，那么都是葡萄的数据集就是正向数据集，非葡萄的数据集就是负向数据集。
(2)构建训练的模型，并使用数据集进行学习训练。
(3)通过训练的模型对预测数据集进行预测，并计算其结果的性能。

聚类： 一个聚类就是一些数据实例的集合，其中处于相同聚类中的数据元素彼此相似，但是处于不同聚类中的元素彼此不同，顾名思义，聚类就是将数据集中在某些方面相似的数据成员放在一起。聚类样本间的属性分为有序属性（例如浓度0.45、0.89）和无序属性（好瓜、坏瓜）两种。

由于在聚类中那些表示数据类别的分类或分组信息是没有的， 即这些数据是没有标签的，所以聚类通常被归为 无监督学习(Unsupervised Learning)。

输入验证码查看隐藏内容

扫描二维码关注本站微信公众号 Johngo学长

或者在微信里搜索 Johngo学长

回复 svip 获取验证码

Johngo学长