knn与kmeans算法的区别

knn	kmeans
1.knn是分类算法 2.监督学习 3.给它的数据是有label的，是已经事先分类好了的， 类别数不变。	1.kmeans是聚类算法 2.非监督学习 3.给它的数据是没有label，是没有事先分类好的， 以“物以类聚”原理进行聚集成簇。
没有明显的前期训练过程。	有明显的前期训练过程。
K的含义：来了一个样本x，要给它分类，即求出它的类别，就从数据集中， 在x附近找离它最近的K个数据点，这K个数据点，类别c占的个数最多， 就把x的类别设为c	K的含义：K是人工固定好的数字，假设数据集合可以 分为K个簇，由于是依靠人工定好，需要一点先验知识

以上是knn与kmeans的不同点，相同点为：相似点：都包含这样的过程，给定一个点，在数据集中找离它最近的点。即二者都用到了NN(Nears Neighbor)算法，一般用KD树来实现NN。

转载于:https://www.cnblogs.com/lcbg/p/6500934.html