AI数学基础35-Regression、Classificati

机器学习大致可以分为监督学习（Supervised）和无监督学习（Unsupervised）

监督学习回答的是“对于输入数据X能预测变量Y”

无监督学习回答的是“从数据X中能发现什么”。对于X，可能要回答“构成X的最佳6个数据簇都是哪些”或者“X中哪3个特征最频繁共现”

回归（Regression）和分类（Classification）属于监督学习的方法；类聚（Clustering）属于非监督学习的方法

监督学习中，若预测结果是一个连续的值，那么是回归（Regression），比如根据年龄，职业、性别预测工资；

监督学习中，若预测结果是一个离散的值，那么是分类（Classification），比如区别男女，判断好坏。

聚类（Clustering)是一种无监督学习，它将类似的对象归到同一个簇中。有点像全自动分类。聚类方法可以应用所有对象，簇内的对象越相似，聚类的效果越好。聚类方法先并不知道任何样本的类别标号，希望通过某种算法来把一组未知类别的样本划分成若干类别。

聚类和分类最大的区别在于，分类的目标实现已知。

聚类产生的结果和分类相同，只是类别没有预先定义。

通常，人们根据样本间的某种距离或者相似性来定义聚类，即把相似的（或距离近的）样本聚为同一类，而把不相似的（或距离远的）样本归在其他类。