Het belangrijkste verschil tussen clustering en classificatie is dat clustering een niet-gesuperviseerde leertechniek is die vergelijkbare instanties groepeert op basis van kenmerken, terwijl classificatie een gecontroleerde leertechniek is die vooraf gedefinieerde tags toewijst aan instanties 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 wereld van datamining zijn clustering en classificatie twee soorten leermethoden. Beide methoden karakteriseren objecten in groepen door een of meer kenmerken.
Wat is clusteren?
Clustering is een methode om objecten zo te groeperen dat objecten met vergelijkbare kenmerken samenkomen en objecten met ongelijke kenmerken uit elkaar gaan. Het is een veelgebruikte techniek voor statistische gegevensanalyse voor machine learning en datamining. Verkennende data-analyse en generalisatie is ook een gebied dat clustering gebruikt.
Figuur 01: Clustering
Clustering hoort bij datamining zonder toezicht. Het is geen enkel 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 de parameterinstellingen zijn afhankelijk van de individuele datasets. Het is geen automatische taak, maar het is een iteratief ontdekkingsproces. Daarom is het noodzakelijk om gegevensverwerking en parametermodellering aan te passen totdat het resultaat de gewenste eigenschappen bereikt. K-means clustering en hiërarchische clustering zijn twee veelvoorkomende clusteringalgoritmen in datamining.
Wat is classificatie?
Classificatie is een categorisatieproces dat een trainingsset van gegevens gebruikt om objecten te herkennen, te differentiëren en te begrijpen. Classificatie is een gesuperviseerde leertechniek waarbij een trainingsset en correct gedefinieerde observaties beschikbaar zijn.
Figuur 02: Classificatie
Het algoritme dat classificatie implementeert, is de classifier, terwijl de observaties de instanties zijn. K-Nearest Neighbor-algoritme en beslissingsboomalgoritmen zijn de bekendste classificatie-algoritmen in datamining.
Wat is het verschil tussen clustering en classificatie?
Clustering is leren zonder toezicht, terwijl classificatie een leertechniek is onder toezicht. Het groepeert vergelijkbare instanties op basis van kenmerken, terwijl classificatie vooraf gedefinieerde tags toewijst aan instanties op basis van kenmerken. Clustering splitst de gegevensset in subsets om de instanties met vergelijkbare functies te groeperen. Het gebruikt geen gelabelde gegevens of een trainingsset. Aan de andere kant, categoriseer de nieuwe gegevens volgens de observaties van de trainingsset. De trainingsset is gelabeld.
Het doel van clustering is om een set objecten te groeperen om te zien of er een relatie tussen is, terwijl classificatie is bedoeld om 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 dataminingalgoritmen de dataset in subsets verdelen, maar het zijn twee verschillende leertechnieken in datamining om betrouwbare informatie uit een verzameling ruwe data te halen. Het verschil tussen clustering en classificatie is dat clustering een niet-gesuperviseerde leertechniek is die vergelijkbare instanties groepeert op basis van kenmerken, terwijl classificatie een gecontroleerde leertechniek is die vooraf gedefinieerde tags toewijst aan instanties op basis van kenmerken.
Afbeelding met dank aan:
1. "Cluster-2" door Cluster-2.gif: hellisp afgeleid werk: (Public Domain) via Wikimedia Commons 2. "Magnetisme" door John Aplessed - Eigen werk. (Public Domain) via Wikimedia Commons
