区分和分类有何区别？
A: 将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较
B: 找出描述和区分数据类或概念的模型（或函数），以便能够使用模型预测类标号未知的对象类
C: 目标类数据的一般特性或特征的汇总
D: 数据特征化和比较
A: 将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较
B: 找出描述和区分数据类或概念的模型（或函数），以便能够使用模型预测类标号未知的对象类
C: 目标类数据的一般特性或特征的汇总
D: 数据特征化和比较
举一反三
- 聚类()是这样的过程:它找出描述并区分数据类或概念的模型(或函数),以便能够使用模型预测类标记未知的对象类。(<br/>)
- 聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。
- 聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。 A: 正确 B: 错误
- 数据分类的步骤为：1建立一个聚类模型，描述数据类集或概念集;2使用模型对 将来的或未知的对象进行分类。
- 分类是预测类对象的分类标号（或离散值），根据训练数据集和类标号属性，构建模型来分类现有数据，但不能用来分类新数据。