聚类 vs 降维：监督学习中的两种关键技术

聚类和降维是监督学习中两种不同的任务。

'聚类' 是一种无监督学习任务，其目标是将数据集中的样本分成不同的组或类别，使得同一组内的样本相似度较高，而不同组之间的样本相似度较低。聚类算法会根据样本之间的相似性度量（如距离或相似度度量），将样本分配到不同的类别中，从而生成聚类结果。

'降维' 是一种特征选择或特征提取的过程，其目标是减少数据集中特征的维度，同时保留数据集的重要信息。降维算法可以通过选择最具代表性的特征或通过将原始特征映射到一个低维空间来实现。降维可以帮助减少特征维度，提高计算效率，并且可以去除冗余信息和噪声，从而提高模型的性能。

因此，聚类和降维的差别在于任务的性质和目标。聚类是将数据集中的样本分成不同的组，而降维是减少数据集中的特征维度。