KNN和k-means聚类有什么不同？

KNN：

• KNN算法主要是用于解决监督学习中的分类问题

• 其数据集是由特征值和目标值组成，使用的数据是已经标记过的数据

• KNN算法是一种懒惰算法，没有明显的前期训练过程

• 里面的K值表示把这个样本点分到哪个类别的参考数据点

K-Means:

• k-means算法主要是用于解决无监督学习问题

• 其数据集只有特征值，使用的数据是杂乱无序的，经过聚类之后才会变得稍微有点顺序

• 前期有明显的训练过程

• 里面的K值表示最后要聚成几类

KNN和K-Means的相似点：

两者计算的过程，都包含在数据集中找离其最近的点，然后进行判断。