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。
k-means和knn的区别
最新推荐文章于 2024-08-14 16:54:10 发布
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。