KNN et Kmeans
Les gens sont souvent confondus entre les sujets ci-dessus et pensent que l’un d’eux peut être utilisé n’importe où.
DIFFÉRENCE
-K signifie est un apprentissage non supervisé algorithme utilisé pour le clustering problème alors que KNN est un apprentissage supervisé algorithme utilisé pour la classification et de régression problème. C’est la différence de base entre K-means et l’algorithme KNN.,
l’algorithme des voisins les plus proches (k-NN) est une méthode supervisée utilisée pour les problèmes de classification et de régression. Cependant, il est largement utilisé dans les problèmes de classification. Il fait des prédictions en tirant des leçons des données disponibles dans le passé.
qu’est-Ce que K-means clustering?
le clustering K – means est utilisé pour analyser et regrouper des données qui n’incluent pas du tout de classe pré-étiquetée ou même un attribut de classe.,
Comment est le K-plus proche voisin algorithme différent de K-means clustering?
- L’algorithme KNN est basé sur la similarité des caractéristiques et K-means fait référence à la division des objets en clusters (de sorte que chaque objet soit exactement dans un cluster, pas plusieurs).
- KNN est une technique de classification et K-means est une technique de regroupement.,
il faut bien comprendre la différence dans une meilleure façon, à l’aide d’un exemple d’un crocodile et un alligator,
l’Algorithme KNN:
Vous pouvez faire une différence entre un crocodile et un alligator en fonction de leurs caractéristiques.,
Les caractéristiques de l’animal inconnu sont plus d’un crocodile.
Donc, c’est un crocodile!
K-means:
K-means effectue une division d’objets dans des clusters qui sont « similaires” entre eux et sont « différents” pour les objets appartenant à un autre groupe.,
j’espère que cela vous a aidé à comprendre. 🙂