1、分類和聚類的區(qū)別：
Classification (分類)，對于一個classifier，通常需要你告訴它“這個東西被分為某某類”這樣一些例子，理想情況下，一個 classifier 會從它得到的訓(xùn)練集中進(jìn)行“學(xué)習(xí)”，從而具備對未知數(shù)據(jù)進(jìn)行分類的能力，這種提供訓(xùn)練數(shù)據(jù)的過程通常叫做supervised learning (監(jiān)督學(xué)習(xí))，
Clustering (聚類)，簡單地說就是把相似的東西分到一組，聚類的時候，我們并不關(guān)心某一類是什么，我們需要實現(xiàn)的目標(biāo)只是把相似的東西聚到一起。因此，一個聚類算法通常只需要知道如何計算相似度就可以開始工作了，因此 clustering 通常并不需要使用訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，這在Machine Learning中被稱作unsupervised learning (無監(jiān)督學(xué)習(xí)).
2、常見的分類與聚類算法
所謂分類，簡單來說，就是根據(jù)文本的特征或?qū)傩?，劃分到已有的類別中。如在自然語言處理NLP中，我們經(jīng)常提到的文本分類便就是一個分類問題，一般的模式分類方法都可用于文本分類研究。常用的分類算法包括：決策樹分類法，樸素貝葉斯分類算法(native Bayesian classifier)、基于支持向量機(SVM)的分類器，神經(jīng)網(wǎng)絡(luò)法，k-最近鄰法(k-nearestneighbor，kNN)，模糊分類法等等。
分類作為一種監(jiān)督學(xué)習(xí)方法，要求必須事先明確知道各個類別的信息，并且斷言所有待分類項都有一個類別與之對應(yīng)。但是很多時候上述條件得不到滿足，尤其是在處理海量數(shù)據(jù)的時候，如果通過預(yù)處理使得數(shù)據(jù)滿足分類算法的要求，則代價非常大，這時候可以考慮使用聚類算法。
而K均值(K-mensclustering)聚類則是最典型的聚類算法(當(dāng)然，除此之外，還有很多諸如屬于劃分法K中心點（K-MEDOIDS）算法、CLARANS算法；屬于層次法的BIRCH算法、CURE算法、CHAMELEON算法等；基于密度的方法：DBSCAN算法、OPTICS算法、DENCLUE算法等；基于網(wǎng)格的方法：STING算法、CLIQUE算法、WAVE-CLUSTER算法；基于模型的方法)。