KNN e Kmeans (Italiano)
Le persone sono spesso confuse tra gli argomenti di cui sopra e pensano che uno di essi possa essere usato ovunque.
DIFFERENZA
K-significa che è un algoritmo di apprendimento supervisionato utilizzati per il clustering problemi, mentre KNN è un apprendimento supervisionato algoritmo utilizzato per la classificazione e regressione problema. Questa è la differenza fondamentale tra K-means e l’algoritmo KNN.,
K-nearest neighbors algorithm (k-NN) è un metodo supervisionato utilizzato per problemi di classificazione e regressione. Tuttavia, è ampiamente usato nei problemi di classificazione. Fa previsioni imparando dai dati disponibili del passato.
che Cosa è K-means clustering?
K – significa che il clustering viene utilizzato per analizzare e raggruppare i dati che non includono la classe pre-etichettata o addirittura un attributo di classe.,
Come il K-nearest neighbor algoritmo diverso da K-means clustering?
- L’algoritmo KNN si basa sulla somiglianza delle caratteristiche e K-means si riferisce alla divisione degli oggetti in cluster (in modo tale che ogni oggetto si trovi esattamente in un cluster, non in più).
- KNN è una tecnica di classificazione e K-means è una tecnica di clustering.,
Cerchiamo di capire la differenza in un modo migliore, utilizzando un esempio di un coccodrillo e un alligatore,
Algoritmo KNN:
È possibile distinguere tra un coccodrillo e un alligatore in base alle loro caratteristiche.,
Le caratteristiche di un animale sconosciuto, sono più di un coccodrillo.
Quindi, è un coccodrillo!
K-means clustering:
K-means esegue la divisione di oggetti in cluster che sono “simili” tra loro e sono “dissimili” per gli oggetti appartenenti a un altro cluster.,
spero che questo ha aiutato a capire. 🙂