KNN 和 K-Means算法比较

KNN 和 K-Means算法比较

-	K-Means	KNN
学习策略	无监督学习	监督学习
功能	用于聚类	用于分类和回归
k的含义	“K”是算法聚类的类别数	特征空间中k个最邻近的样本中大多数属于某一类别，则该样本就属于某一类别
应用	通常用于人口统计学，市场细分，社交媒体等	已知数据的分类和回归
算法步骤	1）任意选择k个观测值，向量空间中的每个点都分配给最近质心 形成k类。2）更新质心为每个类别的平均值，并且重新将空间中的点分配个最近的质心。3)重复直到质心不再变化或者在一定阈值范围内停止（当然也可以设定迭代次数）否则重复步骤2	1）计算测试数据与各个训练数据之间的距离，选取距离最小的k个点。2）确定前k个点所在类别的出现频率。3）返回前k个点中出现频率最高的类别作为测试数据的分类。