KNN 与 K - Means 算法比较

KNN K-Means
1.分类算法 聚类算法
2.监督学习 非监督学习
3.数据类型:喂给它的数据集是带label的数据,已经是完全正确的数据 喂给它的数据集是无label的数据,是杂乱无章的,经过聚类后才变得有点顺序,先无序,后有序
4.训练过程:没有明显的前期训练过程,属于memory-based learning 有明显的前期训练过程
5.K的含义:来了一个样本x,要给它分类,即求出它的y,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label设为c 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
  • 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。
上一篇:【VS开发】【智能语音处理】DTW算法(语音识别)


下一篇:HDU 5794 A Simple Chess Lucas定理+dp