ML | Clasificación frente a agrupamiento

Prerrequisito: Clasificación y Agrupación 

Como ha leído los artículos sobre clasificación y agrupación, aquí está la diferencia entre ellos. 

Tanto la Clasificación como la Agrupación se utilizan para la categorización de objetos en una o más clases según las características. Parecen ser un proceso similar ya que la diferencia básica es mínima. En el caso de Clasificación, hay etiquetas predefinidas asignadas a cada instancia de entrada de acuerdo con sus propiedades, mientras que en el agrupamiento faltan esas etiquetas.  

Comparación entre clasificación y agrupamiento: 

Parámetro	CLASIFICACIÓN	CLÚSTER
Escribe	utilizado para el aprendizaje supervisado	utilizado para el aprendizaje no supervisado
Básico	proceso de clasificación de las instancias de entrada en función de sus etiquetas de clase correspondientes	agrupar las instancias en función de su similitud sin la ayuda de etiquetas de clase
Necesitar	tiene etiquetas, por lo que es necesario un conjunto de datos de entrenamiento y prueba para verificar el modelo creado	no hay necesidad de entrenar y probar el conjunto de datos
Complejidad	más complejo en comparación con la agrupación	menos complejo en comparación con la clasificación
Algoritmos de ejemplo	Regresión logística, clasificador Naive Bayes, máquinas de vectores de soporte, etc.	Algoritmo de agrupamiento k-means, algoritmo de agrupamiento Fuzzy c-means, algoritmo de agrupamiento gaussiano (EM), etc.

Diferencias entre clasificación y agrupamiento 

1. La clasificación se usa para el aprendizaje supervisado, mientras que la agrupación se usa para el aprendizaje no supervisado.
2. El proceso de clasificar las instancias de entrada en función de sus etiquetas de clase correspondientes se conoce como clasificación, mientras que agrupar las instancias en función de su similitud sin la ayuda de etiquetas de clase se conoce como agrupación.
3. Como la clasificación tiene etiquetas, se necesita un conjunto de datos de entrenamiento y prueba para verificar el modelo creado, pero no hay necesidad de un conjunto de datos de entrenamiento y prueba en la agrupación.
4. La clasificación es más compleja en comparación con el agrupamiento, ya que hay muchos niveles en la fase de clasificación, mientras que en el agrupamiento solo se realiza el agrupamiento.
5. Los ejemplos de clasificación son la regresión logística, el clasificador Naive Bayes, las máquinas de vectores de soporte, etc. Mientras que los ejemplos de agrupamiento son el algoritmo de agrupamiento k-means, el algoritmo de agrupamiento Fuzzy c-means, el algoritmo de agrupamiento gaussiano (EM), etc.