k-means和knn的区别

k-means是聚类（无监督学习），先定好k个类别，然后随机确定k个坐标（聚类中心），各点离哪个坐标近就算做哪类，然后不停算平均值求出中心，直到稳定，聚类完成。有训练的过程。
k-means++使初始的聚类中心坐标相距尽可能远。
knn = k nearest neighbor是分类（监督学习），定好k直接把待分类点周边最近的k个点计数，数量多的那类定为待分类点的类别。无训练的过程。