2020-05-02
阅读量:
800
Python机器学习中KNN和Kmeans的异同
KNN算法：
1.KNN是分类算法
2.监督学习
3.喂给它的数据集是带label的数据，已经是完全正确的数据
4.没有明显的前期训练过程，属于memory-based learning
5.K的含义：来了一个样本x，要给它分类，即求出它的y，就从数据集中，在x附近找离它最近的K个数据点，这K个数据点，类别c占的个数最多，就把x的label设为c
Kmeans算法：
1.K-Means是聚类算法
2.非监督学习
3.喂给它的数据集是无label的数据，是杂乱无章的，经过聚类后才变得有点顺序，先无序，后有序
4.有明显的前期训练过程
5.K的含义：K是人工固定好的数字，假设数据集合可以分为K个簇，由于是依靠人工定好，需要一点先验知识
相似点：都包含这样的过程，给定一个点，在数据集中找离它最近的点。即二者都用到了NN(Nears Neighbor)算法，一般用KD树来实现NN。
8.3779
6
0
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论