KNN und Kmeans
die Menschen sind oft verwirrt zwischen den genannten Themen und zu denken, dass jeder von Ihnen können verwendet werden überall.
UNTERSCHIED-
K-means ist ein unbeaufsichtigter Lernalgorithmus, der für clustering-Problem während KNN ein überwachter Lernalgorithmus ist, der für Klassifizierungs-und Regressionsprobleme verwendet wird. Dies ist der grundlegende Unterschied zwischen K-Means und KNN Algorithmus.,
Der K-Nearest Neighbors Algorithmus (k-NN) ist eine überwachte Methode, die für Klassifizierungs-und Regressionsprobleme verwendet wird. Es ist jedoch weit verbreitet in Klassifizierungsproblemen. Es macht Vorhersagen, indem es aus den verfügbaren Daten der Vergangenheit lernt.
Was ist K-means clustering?
K – means-clustering verwendet wird, für die Analyse und Gruppierung von Daten, die nicht enthalten pre-labeled Klasse oder sogar eine Klasse Attribut überhaupt.,
Wie unterscheidet sich der K-nearest neighbor Algorithmus von K-means Clustering?
- Der KNN-Algorithmus basiert auf Merkmalsähnlichkeit und K-means bezieht sich auf die Aufteilung von Objekten in Cluster (so dass sich jedes Objekt in genau einem Cluster befindet, nicht in mehreren).
- KNN ist eine Klassifizierungstechnik und K-means ist eine Clustertechnik.,
Lassen Sie uns den Unterschied am Beispiel eines Krokodils und eines Alligators besser verstehen
KNN-Algorithmus:
Sie können anhand ihrer Eigenschaften zwischen einem Krokodil und einem Alligator unterscheiden.,
Die Merkmale des unbekannten Tieres sind eher ein Krokodil.
Deshalb ist es ein Krokodil!
K-bedeutet Clustering:
K-bedeutet Division von Objekten in Cluster, die sind zwischen ihnen „ähnlich“ und sind den Objekten, die zu einem anderen Cluster gehören, „unähnlich“.,
ich hoffe das hat dir geholfen zu verstehen. 🙂