KNN og Kmeans (Norsk)
Folk er ofte forvirret mellom de ovennevnte emner og tror at noen av dem kan brukes hvor som helst.
FORSKJELLEN-
K-betyr er en unsupervised learning algoritmen som brukes for clustering problem mens KNN er en overvåket læring algoritme som benyttes for klassifisering og regresjon problem. Dette er den grunnleggende forskjellen mellom K-means-og KNN-algoritmen.,
K-nærmeste naboer algoritmen (k-NN) er en overvåket metoden som brukes for klassifisering og regresjon problemer. Det er imidlertid mye brukt i klassifisering problemer. Det gjør spådommer ved å lære fra de siste tilgjengelige data.
Hva er K-betyr clustering?
K – betyr clustering er brukt for å analysere og gruppering av data som ikke inkluderer pre-merket klasse eller til og med en class-attributt i det hele tatt.,
Hvordan er K-nærmeste nabo algoritme forskjellig fra K-betyr clustering?
- KNN Algoritmen er basert på funksjon likhet og K-means refererer til delingen av objekter i klynger (slik at hvert objekt er i nøyaktig en klynge, ikke flere).
- KNN er en klassifisering teknikk og K-means er en gruppering teknikk.,
La oss forstå forskjellen på en bedre måte ved hjelp av et eksempel på en krokodille og en alligator,
KNN Algoritme:
Du kan skille mellom en krokodille og en alligator basert på deres egenskaper.,
funksjoner av ukjente dyr er mer en krokodille.
Derfor, det er en krokodille!
K-betyr clustering:
K-means utfører divisjon av objekter i klynger som er «lik» mellom dem og er «ulike» til objekter som tilhører en annen klynge.,
jeg håper dette hjalp deg med å forstå. 🙂