老师,KNN和K-means都是先定一个超参数k,然后把数据分成k个类别的数据集,虽然一个是监督式学习一个是非监督式学习的方法,但感觉题目中遇到还是容易混淆,请问怎样区分这两种方法呢?它们的区别在哪?有没有什么关键字帮助判断呢
袁园_品职助教 · 2024年09月08日
嗨,从没放弃的小努力你好:
一、KNN(K - 近邻算法)
应用场景:
KNN 是监督式学习算法,target 是已知的类别标签或数值。在分类问题中,target 是样本的类别标签;在回归问题中,target 是连续的数值。
二、K-Means(K - 均值算法)
应用场景:
K-Means 是无监督式学习算法,没有明确的 target。它的目的是将数据划分为不同的簇,使得同一簇内的数据点具有较高的相似性,而不同簇之间的数据点具有较大的差异性。
----------------------------------------------就算太阳没有迎着我们而来,我们正在朝着它而去,加油!