kNN与kMeans聚类算法的区别
来源:互联网 发布:java漏洞检测工具 编辑:程序博客网 时间:2024/06/05 00:25
KNN
K-Means
目的是为了确定一个点的分类
目的是为了将一系列点集分成k类
KNN是分类算法
K-Means是聚类算法
监督学习,分类目标事先已知
非监督学习,将相似数据归到一起从而得到分类,没有外部分类
训练数据集有label,已经是完全正确的数据
训练数据集无label,是杂乱无章的,经过聚类后才变得有点顺序,先无序,后有序
没有明显的前期训练过程,属于memory-based learning
有明显的前期训练过程
K的含义:“k”是用来计算的相邻数据数。来了一个样本x,要给它分类,即求出它的y,就从数据集中,在x附近找离它最近的K个数据点,这K个数据点,类别c占的个数最多,就把x的label设为c
K的含义:“k”是类的数目。K是人工固定好的数字,假设数据集合可以分为K个簇,由于是依靠人工定好,需要一点先验知识
K值确定后每次结果固定
K值确定后每次结果可能不同,从 n个数据对象任意选择 k 个对象作为初始聚类中心,随机性对结果影响较大
时间复杂度:O(n)
时间复杂度:O(n*k*t),t为迭代次数
相似点:都包含这样的过程,给定一个点,在数据集中找离它最近的点。即二者都用到了NN(Nears Neighbor)算法,一般用KD树来实现NN。
参考引用:
- http://www.tuicool.com/articles/qamYZv
- http://www.tuicool.com/articles/yUBBbyR
- http://stats.stackexchange.com/questions/56500/what-are-the-main-differences-between-k-means-and-k-nearest-neighbours
- k-Means:http://blog.pluskid.org/?p=17
0 0
- kNN与kMeans聚类算法的区别
- kNN与kMeans聚类算法的区别
- kNN与kMeans聚类算法的区别
- Kmeans算法与KNN算法的区别
- Kmens kmeans++及 knn算法的比较
- Kmeans和KNN算法的异同
- KNN与Kmeans
- sklearn knn与kmeans
- kmeans和kmeans++算法的区别
- Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- 【转载】Kmeans、Kmeans++和KNN算法比较
- Kmeans、Kmeans++和KNN算法比较
- Spring @AspectJ 实现AOP 入门例子
- 蚂蚁分类信息系统 5.8 增加七牛云存储插件
- java语法整理
- HEXO deployer 问题
- 高等数学-对无穷小无穷大的理解
- kNN与kMeans聚类算法的区别
- 欢迎使用CSDN-markdown编辑器
- Exchanger的使用
- 随性
- 数据结构-高级排序
- 【NDN安全】Poseidon: Mitigating Interest Flooding DDoS Attacks in Named Data Networking 学习笔记
- jQuery插件slides实现无缝轮播图特效
- C++_CopyConstructor(副本构造器 防止指针重复释放)
- 非计算机专业,如何学习计算机视觉?