分群（clustering）可以看做是分类（classifying）的前置作业。 因为分类在 training 时是把一个个 pattern 当作输入， 把其对应的 class 当作预期的输出，随着一个个 (pattern, class) pair 的 training 来调整辨识系统的参数。 当你无法知道 train data 的某个 pattern 该归类到那个 class 时， 才会用到分群法的东西，来帮你找到这个对应； 非监督式作的一定是分群，不会是分类。 通常 train data 最少要分成两组，一组用来 training 另一组用来验收 training 的效果，以避免 over-fitting 或 over-training 的情形发生。 ※ 引述《lsf (ckwiou)》之铭言： : 最近研读PR碰到了一个问题,脑子有点转不过来,所以想请问一下, : 如果我要做一个辨识系统, 会拿一笔Train Data来做训练,所以当我用 : 非监督式的分群方法来将Train data重新做分群,但是用非监督式做分 : 类时,会将Train Data都给打散掉, 那这样子我有一笔Test Data要来做辨 : 识时, 要如何才能得知我判断出来的结果的是对的还是错的?? : 谢谢 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 220.132.186.233