以下采用两个拟人化的举例来说明分类和聚类的区别
【分类】当人出生时，对周围世界都不了解，当他看到四个轮子体型较大的交通工具，别人告诉他长成这样的叫车，他下次再看到有长着四个轮字的代步工具时，就会将其判断为车。当这个人的见识不断增长时，他对于事物的判断准确率就越高。（比如不会将照片上的玩具车和汽车相混淆）
代入到实际操作中就是：
现在有一堆物品：可乐、钻石、汽车（相关数据记录了它们的特征：成分、包装大小、价格等），如果是做分类，会事先给计算机一批示例数据，告诉它可乐中含有碳酸，钻石很贵，汽车最大等信息，机器就学习了这些“知识”，那么将新的数据输入计算机中时（只有相关数据并不知道它们分别属于可乐、钻石还是汽车），计算机就会根据前面学习到的规则来给这些新数据进行分类。其中，示例数据就叫训练集，新数据就叫测试集。最后计算机根据测试集的分类结果判断预测的准确率，不断迭代优化。
【聚类】还是以一个新出生的婴儿（不了解任何知识但有行动能力、判断大小的基本能力）举例，我们、别人给他一堆大小、重量各异的物品去分类，但是没人告诉他该怎么去分，这时他会根据自己的判断，将大小、重量一致的放在一起。
代入到实际操作中就是：
还是有一堆物品：可乐、钻石、汽车，但是我们事先给计算机示例数据，它并不知道现有的分类规则与结果，直接输入新数据，让计算机自动根据它们的特征归类，这时计算机就会把大小接近、价格差不多、成分类似的物品放在一起。
综上，分类和聚类最本质的区别就是事先有无给规则（即有无标准）。