KNN和Kmeans聚类（kmeans clustering）有什么不同？

最新推荐文章于 2024-06-19 20:16:31 发布
最新推荐文章于 2024-06-19 20:16:31 发布
阅读量4.2k 收藏 3
点赞数

640?wx_fmt=gif

640?wx_fmt=gif

今日面试题

KNN和Kmeans聚类（kmeans clustering）有什么不同？


解析：

不要被它们的名字里的“K”误导。

你应该知道，这两种算法之间的根本区别是，Kmeans本质上是无监督学习而KNN是监督学习。Kmeans是聚类算法。KNN是分类（或回归）算法。

Kmeans算法把一个数据集分割成簇，使得形成的簇是同构的，每个簇里的点相互靠近。该算法试图维持这些簇之间有足够的可分离性。由于无监督的性质，这些簇没有任何标签。

 
 
 
 
 
 
 
 
NN算法尝试基于其k（可以是任何数目）个周围邻居来对未标记的观察进行分类。它也被称为懒惰学习法，因为它涉及最小的模型训练。因此，它不用训练数据对未看见的数据集进行泛化。
 
 

 
 

 
 
END
 
 640?wx_fmt=gif 
 

 
 
今日学习推荐
 
 

 
 
【机器学习集训营第八期】
 
 
火热报名中
 
 

 
 
2019年5月6日开课
 
 

 
 
前140人特惠价:15199 
 
 

 
 
报名加送18VIP[包2018全年在线课程和全年GPU]
 
 

 
 
且两人及两人以上组团还能各减500元
 
 
有意的亲们抓紧时间喽
 
 

 
 
咨询/报名/组团可添加微信客服
 
 
julyedukefu_02
 
 

 
 
扫描下方二维码
 
 
免费试听
 
 

 
 
☟
 
 
640?wx_fmt=png
 
 
长按识别二维码
 
 

 
 640?wx_fmt=gif 
 

 
 
640?wx_fmt=gif
 
 
●人工智能人才争抢白热化？学好数学才能C位出道！
 
 
●哪些机器学习算法不需要做归一化处理？
 
 
●一文详解：什么是B树？
 
 
●机器学习中的数学基础（微积分和概率统计）
 
 
●34个最优秀好用的Python开源框架
 
 
●【实战分享】电影推荐系统项目实战应用
 
 
●Python打牢基础，从19个语法开始！
 
 
扫描下方二维码  关注：七月在线实验室 
 
 

 
 
后台回复：100   免费领取【机器学习面试100题】
 
 
后台回复：干货 免费领取【全体系人工智能学习资料】
 
 
后台回复： 领资料 【NLP工程师必备干货资料】
▼更多精彩推荐，请关注我们▼ 
 640?wx_fmt=png 
 640?wx_fmt=jpeg 
 640?wx_fmt=gif 
 戳“阅读原文”我们一起进步 
 640?wx_fmt=png在看点一下 


                

        

        

    




    

      

        

            

              
                
                  七月在线实验室
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    3
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      










                



	

		

			

				
					
K-Means Clustering 简介

				
			

			

				

					A_Z666666的博客
				

				

					06-21
					
					712
					
				

			

		

		

			
				
K-Means Clustering(k均值聚类算法) 属于无监督学习算法, 它可以发现 k 个不同的簇, 每个簇的质心采用簇中所含值的均值计算而成.


    
        
            优点
            容易实现
        
        
            缺点
            可能收敛到局部最小值, 在大规模数据集上收敛较慢
      ...

			
		

	



                

              
                



	

		

			

				
					
K-mean clustering（K均值聚类算法）

				
			

			

				

					qq_32172681的博客
				

				

					08-13
					
					5367
					
				

			

		

		

			
				
一、聚类与分类的区别

分类：类别已知，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。是有监督学习。

聚类：事先不知道数据会分为几类，通过聚类分析将数据聚合成几个群体。聚类不需要对数据进行训练和学习。属于无监督学习。



二、k-means 聚类（物以类聚，人以群分）

1、首先输入 k 的值，即我们指定希望通过聚类得到 k 个分组；

2、从数据...

			
		

	



                


  
              

                


	

		

			

				
					
c++K-means鸢尾花识别（自动生成非鸢尾花集，特征缩放）（来源于一篇大作业）

					
最新发布

				
			

			

				

					2302_80183131的博客
				

				

					06-19
					
					6093
					
				

			

		

		

			
				
这次的代码还有一定的问题要优化，预测的准确率有待提高，我们实验最好结果是98的测试集准确率。正常只有30左右。

			
		

	





	

		

			

				
					
详解K均值聚类算法（K-means Clustering）简易实例：从空调温度判别使用者

				
			

			

				

					hnZone
				

				

					10-31
					
					9875
					
				

			

		

		

			
				
本文以空调温度的模拟记录为数据集，利用一个一维二类的K均值聚类算法实例进行分析，从而阐明聚类算法的核心精神，并手把手带你完成一个K均值聚类算法的实战。最终利用实验结果阐明这种聚类的一个小型缺陷，以期启发读者思考。

			
		

	



		

			
		



	

		

			

				
					
算法——K-均值聚类K-Means Clustering

				
			

			

				

					weixin_43156294的博客
				

				

					05-04
					
					2010
					
				

			

		

		

			
				
K-均值聚类 (K-Means Clustering)是一种经典的无监督学习算法，用于将数据集分成K个不同的簇。其核心思想是将数据点根据距离的远近分配到不同的簇中，使得簇内的点尽可能相似，簇间的点尽可能不同。

			
		

	





	

		

			

				
					
K均值和KNN算法（学习笔记）

				
			

			

				

					Rlin_by的博客
				

				

					04-24
					
					1358
					
				

			

		

		

			
				
二者区别



（上图参考https://www.cnblogs.com/peizhe123/p/4619066.html）

K均值

学完吴恩达机器学习K均值算法的课程，做一下总结。

首先k-means是一个聚类算法，属于无监督学习。我们只知道数据，但没有任何标签，需要我们找出数据本身的data structure。

------------------------------------...

			
		

	





	

		

			

				
					
birch，Kmeans，Kmeans++，KNN四种聚类算法对二维坐标聚类分析代码

				
			

			

				

					12-04
				

			

		

		

			
				
本主题将深入探讨四种常见的聚类算法：BIRCH（ Balanced Iterative Reducing and Clustering using Hierarchies），K-means，K-means++以及K-Nearest Neighbors (KNN)。这些算法都在给定的二维坐标数据集上进行了...

			
		

	





	

		

			

				
					
42.  knn和kmeans有什么不同1

				
			

			

				

					08-03
				

			

		

		

			
				
kNN（K-Nearest Neighbors）和k-means是两种广泛应用的数据挖掘算法，它们在机器学习领域中各自扮演着不同的角色。理解它们的区别对于选择合适的模型至关重要。  首先，k-means是一种无监督学习方法，这意味着它在...

			
		

	





	

		

			

				
					
birch, Kmeans ，Kmeans，KNN四种聚类算法对二维坐标聚类分析代码_ birch二维坐标空间聚类

				
			

			

				

					06-13
				

			

		

		

			
				
本主题将详细探讨四种常见的聚类算法：BIRCH、K-Means、K-Means++ 和 K-Nearest Neighbors (KNN)，以及它们在二维坐标空间中的应用。我们将基于Python代码进行讲解，利用这些算法对二维坐标数据集进行聚类分析。  ...

			
		

	





	

		

			

				
					
classification-and-cluster:用于 KMeans、KNN 和分层聚类的 Python 版本

				
			

			

				

					07-01
				

			

		

		

			
				
你好，这个 repo 讨论分类和聚类，  算法包含KMeans、KNN和Hierarchical clustering。  我希望你能通过这个 repo 得到帮助，如果时间允许，我会推出更多的算法。  参考 K均值： :   KNN： :

			
		

	





	

		

			

				
					
k近邻算法_面试|k近邻（KNN）算法与k均值（kmeans）聚类算法有何不同?

				
			

			

				

					weixin_39973410的博客
				

				

					11-18
					
					3099
					
				

			

		

		

			
				
1 K近邻是一种用于分类的有监督学习算法；K均值是一种用于聚类的无监督学习算法。2 通过可视化理解K近邻和K均值的差异。K近邻算法可视化K均值算法可视化3 KNN是监督学习算法，意味着训练数据集需要有label或者类别，KNN的目标是把没有标签的数据点(样本)自动打上标签或者预测所属类别。Kmeans是无监督学习算法，意味着数据集没有label，它根据无label的数据点和事先设定的超参...

			
		

	





	

		

			

				
					
PPT：大数据经典算法（Kmeans、SVM、KNN）

				
			

			

				

					10-22
				

			

		

		

			
				
大数据十大经典算法PPT系列，详细讲解了Kmeans、SVM、KNN三种算法。

			
		

	





	

		

			

				
					
KNN与K-Means的区别

				
			

			

				

					ydc321的专栏
				

				

					01-26
					
					1584
					
				

			

		

		

			
				
转发：http://www.tuicool.com/articles/qamYZv

KNN(K-Nearest Neighbor)介绍

Wikipedia上的 KNN词条 中有一个比较经典的图如下：



KNN的算法过程是是这样的：

从上图中我们可以看到，图中的数据集是良好的数据，即都打好了label，一类是蓝色的正方形，一类是红色的三角形，那个绿色的圆形是我们待分类的

			
		

	





	

		

			

				
					
机器学习笔记~k-means cluster，层次聚类，KNN算法的异同

				
			

			

				

					zlibo丶的博客
				

				

					10-09
					
					1735
					
				

			

		

		

			
				
参考链接：

1. kNN与kMeans聚类算法的区别 ： https://www.cnblogs.com/190260995xixi/p/5945652.html

2. 聚类的方法（层次聚类，K-means聚类） ： https://www.cnblogs.com/nku-wangfeng/p/7642745.html...

			
		

	





	

		

			

				
					
KNN和K-means聚类有什么不同

				
			

			

				

					Arthur_Holmes的博客
				

				

					11-01
					
					1588
					
				

			

		

		

			
				
KNN

分类算法
	监督学习
	数据集是带Label的数据
	没有明显的训练过程，基于Memory-based learning
	K值含义 - 对于一个样本X，要给它分类，首先从数据集中，在X附近找离它最近的K个数据点，将它划分为归属于类别最多的一类


K-means

聚类算法
	非监督学习
	数据集是无Label，杂乱无章的数据
	有明显的训练过程
	K值含义- K是事先设定的数字，将...

			
		

	





	

		

			

				
					
K-Means Clustering

				
			

			

				

					apollo_miracle的博客
				

				

					02-12
					
					3464
					
				

			

		

		

			
				
1、概述K-means算法是集简单和经典于一身的基于距离的聚类算法采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。2、核心思想通过迭代寻找k个类簇的一种划分方案，使得用这k个类簇的均值来代表相应各类样本时所得的总体误差最小。k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。 ...

			
		

	





	

		

			

				
					
Kmeans算法与KNN算法的区别

				
			

			

				

					haoshan4783的博客
				

				

					09-05
					
					585
					
				

			

		

		

			
				
kmeans算法的缺陷：
1.聚类中心的数量k需要事先给定，但在实际中这个k值的选定是非常难以进行估计的，很多时候，事先并不知道给定的数据集应该分成多少个类别才更合适。
2.kmeans需要初始化聚类中心，不同的初始聚类中心可能导致完全不同的聚类效果。
针对第2个缺陷，可以使用kmeans++算法来解决。
knn
knn本质上是基于一种数据统计的方法！其实很多机器学习算法也是基于数据统计的。
k...

			
		

	





	

		

			

				
					
【机器学习】K近邻（KNN）算法详解

					
热门推荐

				
			

			

				

					Mr.zwX
				

				

					03-01
					
					1万+
					
				

			

		

		

			
				
文章目录一、算法介绍二、距离度量三、K值的选择四、算法流程
一、算法介绍

KNN（K Near Neighbor）：k个最近的邻居，即每个样本都可以用它最接近的k个邻居来代表。KNN算法属于监督学习方式的分类算法，我的理解就是计算某给点到每个点的距离作为相似度的反馈。
简单来讲，KNN就是“近朱者赤，近墨者黑”的一种分类算法。
要区分一下聚类（如Kmeans等），KNN是监督学习分类，而Kmeans是无监督学习的聚类，聚类将无标签的数据分成不同的簇。


二、距离度量

特征连续：距离函数选用曼哈顿距离（

			
		

	





	

		

			

				
					
kmeans和knn相同点和不同点:

				
			

			

				

					cranberrycookie的博客
				

				

					06-13
					
					6943
					
				

			

		

		

			
				
kmeans和knn相同点和不同点:

一、K最近邻(kNN，k-NearestNeighbor)分类算法，找到最近的k个邻居（样本），在前k个样本中选择频率最高的类别作为预测类别。

步骤：

1）算距离：给定测试对象，计算它与训练集中的每个对象的距离 2）找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻 3）做分类：根据这k个近邻归属的主要类别，来对测试对象分类

二、K-Means算法...

			
		

	





	

		

			

				
					
KNN和kmeans有什么区别

				
			

			

				

					03-25
				

			

		

		

			
				
KNN和kmeans是两种不同的机器学习算法。  KNN（K-Nearest Neighbors）是一种监督式学习算法。它通过寻找最近邻居来对新的样本进行分类或回归。即，对于一个新数据点，在训练集中找到k个距离最近的数据点，通过它们的...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值