KNN与K-Means的区别

KNN和K-Means的区别
KNN

1.KNN是分类算法

2.监督学习
3.喂给它的数据集是带label的数据，已经是完全正确的数据
没有明显的前期训练过程，属于memory-based learning
K的含义：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-Means
1.K-Means是聚类算法
2.非监督学习
3.喂给它的数据集是无label的数据，是杂乱无章的，经过聚类后才变得有点顺序，先无序，后有序
有明显的前期训练过程
K的含义：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

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。