Kmeans算法與KNN算法的區(qū)別

KNN算法是分類算法 監(jiān)督學習
Kmeans算法是聚類算法 非監(jiān)督學習
  • Kmeans算法的缺陷
    聚類中心的個數(shù)K 需要事先給定，但在實際中這個 K 值的選定是非常難以估計的，很多時候，事先并不知道給定的數(shù)據(jù)集應該分成多少個類別才最合適
    Kmeans需要人為地確定初始聚類中心，不同的初始聚類中心可能導致完全不同的聚類結果。（可以使用Kmeans++算法來解決）

  • KNN
    如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。


    image.png

    區(qū)別.png
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
【社區(qū)內容提示】社區(qū)部分內容疑似由AI輔助生成，瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明：文章內容（如有圖片或視頻亦包括在內）由作者上傳并發(fā)布，文章內容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內容

友情鏈接更多精彩內容