KNN y Kmeans
Las personas a menudo se confunden entre los temas anteriores y piensan que cualquiera de ellos se puede usar en cualquier lugar.
la DIFERENCIA-
K-es un algoritmo de aprendizaje no supervisado se utiliza para la agrupación de problema mientras que KNN es un aprendizaje supervisado algoritmo utilizado para la clasificación y regresión problema. Esta es la diferencia básica entre k-medias y el algoritmo KNN.,
k-nearest neighbors algorithm (k-nn) es un método supervisado utilizado para problemas de clasificación y regresión. Sin embargo, es ampliamente utilizado en problemas de clasificación. Hace predicciones aprendiendo de los datos disponibles en el pasado.
¿Qué es el K-means clustering?
k-means clustering se utiliza para analizar y agrupar datos que no incluyen clase pre-etiquetada o incluso un atributo de clase en absoluto.,
¿Cómo es el K-vecino más cercano algoritmo diferente de K-means clustering?
- El algoritmo KNN se basa en la similitud de características y k-means se refiere a la división de objetos en clústeres (de modo que cada objeto está en exactamente un clúster, no en varios).
- KNN es una técnica de clasificación y K-means es una técnica de clustering.,
Vamos a entender la diferencia de una mejor manera el uso de un ejemplo de un cocodrilo y un cocodrilo,
Algoritmo KNN:
Se puede diferenciar entre un cocodrilo y un cocodrilo en base a sus características.,
Las características del animal desconocido están más a la de un cocodrilo.
por lo Tanto, es un cocodrilo!
K-means clustering:
K-means realiza la división de los objetos en grupos que son «similares» entre ellos y son «diferentes» a los objetos que pertenecen a otro grupo.,
espero que esto te ayudaron a comprender. 🙂