KNN i Kmeans
ludzie często mylą powyższe tematy i myślą, że każdy z nich może być użyty wszędzie.
difference-
k-means jest nienadzorowanym algorytmem uczenia się używanym do problemu klastrowania, podczas gdy KNN jest nadzorowanym algorytmem uczenia się używanym do problemu klasyfikacji i regresji. Jest to podstawowa różnica między K-środkiem a algorytmem KNN.,
k-nearest neighbors algorithm (K-NN) jest nadzorowaną metodą stosowaną w problemach klasyfikacji i regresji. Jest jednak szeroko stosowany w problemach klasyfikacyjnych. Sprawia, że przewidywania poprzez uczenie się z przeszłości dostępne dane.
co to jest K-czyli grupowanie?
k – means clustering jest używany do analizy i grupowania danych, które nie zawierają wstępnie oznaczonej klasy lub nawet atrybutu klasy w ogóle.,
czym różni się algorytm K-nearest neighbor od k-means clustering?
- algorytm KNN opiera się na podobieństwie cech, A K – oznacza podział obiektów na klastry (taki, że każdy obiekt znajduje się dokładnie w jednym klastrze, a nie kilku).
- KNN jest techniką klasyfikacji, a k-oznacza technikę klastrowania.,
zrozummy różnicę w lepszy sposób, używając przykładu krokodyla i aligatora,
algorytm KNN:
możesz odróżnić krokodyla od aligatora na podstawie ich cech.,
cechy nieznanego zwierzęcia to raczej krokodyl.
dlatego jest to krokodyl!
k-oznacza klastrowanie:
k-oznacza podział obiektów na klastry, które są „podobne” między nimi i są „niepodobne” do obiektów należących do innego klastra.,