数据挖掘中分类分析和聚类分析的区别

分类有监督 聚类无监督 就这个区别
分类要靠学习 聚类要靠启发式搜索

个人觉得，分类分析 和 聚类分析，分别是之分析这两种方法（分类和聚类）的方法，比如分类分析的内容有分析在此样本情况下能够被分类的程度，并且依据此分析重新分布数据，使得数据更容易被分析，相关技术有多类判别分析、主成分分析。聚类分析指类似的能够衡量一个聚类方法的方法。小弟拙见，也是数据挖掘初学者。

简单的说，分类是一种有监督的学习，事先知道训练样本的标签，通过挖掘将属于不同类别标签的样本分开，可利用得到的分类模型，预测样本属于哪个类别。而聚类是一种无监督的学习，事先不知道样本的类别标签，通过对相关属性的分析，将具有类似属性的样本聚成一类。

我觉得分类是已知有哪些类型。而聚类有时候可以发现我们所不熟知的类别，根据数据内部结构特征，物以类聚，这个类别我们有时候是不知道的，甚至聚类后我们无法解释。
这样也导致分类采用监督分类，一般有训练样本（因为知道类型），而聚类多采用非监督的（因为不知道类型）
当然我们一般有时候聚类分析和分类分析没有分得特别清楚。聚类分析和分类分析都是来进行分门别类，发现数据间的共性和个性。

个人看法，仅供参考