一、聚类 VS 分类

回顾上节我们学习的KNN算法属于“有监督学习”的一部分，也就是说，模型在训练的时候，即需要特征矩阵 ，也需要真实标签 。

机器学习当中，还有相当一部分算法属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵 ，不需要标签。无监督学习的代表算法有聚类算法、降维算法。
聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组（或簇）。这种划分可以基于我们的业务需求或建模需求来完成。

（1）聚类 VS 分类的对比图：

如图所示：
A. 在聚类的过程中，图中左上角的原始数据分布散点图呈灰色，没有用特定的颜色（红色或橙色）区分，也就是说数据没有标签。聚类后将数据分为不同的簇，用红橙黑三色标记，见右上图。在一个簇中的数据就认为是同一类，也就是说这些数据具有相似性。
B. 在分类的过程中，测试样本点用×表示，数据带有标签（左下角红橙黑三色区分），经过分类后测试点×被分到了红色区域，见右下图。

（2）聚类 VS 分类的对比表：