Machine learning 

同学你好，

这三类算法区别比较明显。

CART：如果是二分的话，就是二元分类的决策树。CART假设在每一个决策点都对应着两种可能，“是”或者“否”。根据每一个决策点的cutoff value不断向下分类。

我们一般遇到的CART都是二分的形式。但实际上CART不止仅有二分。

-------

K nearest neighbors（KNN算法）：用来判断一个新增的数据应该被归类为已有类别中的哪一类。是一个“物以类聚”的过程。例如对一家新成立的公司进行分类，可以首先设定数据集里现有的公司都属于哪个类别，然后看新加入的公司“最近的邻居”是哪类公司，这个最近的邻居公司所在的类别就是新公司的最终分类。

以上两者属于Supervised learning

K means clustering属于unsupervised learning中的clustering，与KNN算法类似，都是将相似的数据放到一起。但KNN本质还是要给数据分类别贴上标签。而K均值算法则只是将距离近的数据聚在一起自动分组。K值为提前指定的超参数，代表要把数据分成几群