KNN和Kmeans聚类（kmeans clustering）有什么不同？

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

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

☟

长按识别二维码

●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▼

戳“阅读原文”我们一起进步

在看点一下