细分和分类之间的差异

Question

我一直在想分割和分类之间的真正区别。使用决策树算法的分类与分割有什么区别？

Answer 1

分割，如在图像分割中，意味着将图像的一部分创建为具有概念意义或简单以便进一步分析的片段。通常我们想要在图像中定位对象和边界。最简单的例子是从前景中删除背景。

您可以将其与边缘检测和计数检测相关联。有很多方法可以做到这一点，例如使用K-Means进行聚类，压缩图像以减少纹理，边缘检测或马尔可夫字段。

分类完全不同。在分类中，您希望查找给定数据项的LABEL。标签通常是预定义的类或类别 - 例如电子邮件是否是垃圾邮件，或图像包含人或动物。决策树是实现此目的的方法之一。

在分类算法的帮助下，已经进行了分割图像的实验。 Nikamanon's method（参考文献中的链接）尝试使用剪切算法创建太多的片段，并根据它是否是基于人为干预的好片段，使用分类来组合它们。他们的算法表现不佳，但给出了分类可用于此任务的信号。

P.S。分割与聚类比分类更相关。

Answer 2

如果您想知道决策树（用于分类）和分段树（用于分段）之间的区别，可以简要解释一下：

决策树：优化叶节点的纯度（即，他们希望尽可能好地分类

分割树：优化“良好的数据分割”，而不是纯度。 “良好的分割”可能是某些分类算法（例如逻辑回归）在叶子中的种群片段上表现良好。因此，树不进行分类，而是尝试查找其他模型运行良好的人口区段。最终目标可能不是分类，而是分段本身（即，如果您想识别以某种方式行事的客户）