KNN och Kmeans
människor är ofta förvirrade mellan ovanstående ämnen och tror att någon av dem kan användas var som helst.
skillnad-
K-means är en oövervakad inlärningsalgoritm som används för klustring problem medan KNN är en övervakad inlärningsalgoritm som används för klassificering och regression problem. Detta är den grundläggande skillnaden mellan k-means och KNN algoritm.,
k-nearest neighbors algorithm (k-NN) är en övervakad metod som används för klassificering och regressionsproblem. Det används emellertid ofta i klassificeringsproblem. Det gör förutsägelser genom att lära av tidigare tillgängliga data.
vad är K-betyder kluster?
k – means clustering används för att analysera och gruppera data som inte innehåller förmärkt klass eller till och med ett klassattribut alls.,
hur skiljer sig k-närmaste grannalgoritm från K-means clustering?
- KNN-algoritmen är baserad på funktionslikheten och k-means refererar till uppdelningen av objekt i kluster (så att varje objekt befinner sig i exakt ett kluster, inte flera).
- KNN är en klassificeringsteknik och K-means är en klustringsteknik.,
låt oss förstå skillnaden på ett bättre sätt med hjälp av ett exempel på en krokodil och en alligator,
KNN algoritm:
Du kan skilja mellan en krokodil och en alligator baserat på deras egenskaper.,
funktionerna hos det okända djuret är mer en krokodil.
därför är det en krokodil!
k-means kluster:
k-means utför uppdelning av objekt i kluster vilka är ”liknande” mellan dem och är ”olikartade” till objekten som tillhör ett annat kluster.,
Jag hoppas att detta hjälpte dig att förstå. 🙂