分类和模式识别之间有什么区别？

Question

有人可以尽可能简单地解释差异，或者将我引导到可以找到它的正确位置。

Answer 1

模式识别是识别数据中规则或模式的能力的通用术语。更通用的是机器学习。 分类是模式识别的一个示例，其中模型将数据分成类。

从左到右更具体： 机器学习＆gt; <模式识别>分类＆gt;线性分类＆gt; SVM

Answer 2

有许多类型的Pattern Recognition algorithms，分类算法就是其中之一，即并非所有模式识别算法都是分类器算法。

要获得作为分类器的资格，算法需要将输入数据点映射到一组类别（或标签或类）中的类别

作为不是分类器的模式识别算法的示例，请考虑k-means算法，该算法是聚类算法。当k-means算法运行时，它会在数据中找到模式并尝试拆分为不同的集群。

_{来自k-means algorithm}

的维基百科页面的图片

如果您希望在输入中附加标签以将其分类到其中一个群集中（例如，通过k-means返回），您可以例如使用像k-nearest neighbors（k-NN）这样的分类器算法，它接受输入并作为输出预测它被分类到的簇。