kmeans聚类是无监督学习的，而knn是有监督学习的，这里的kmeans聚类分析是不需要数据带有标签的，而knn是需要的数据是需要带有标签的；kmeans是将样本分成k类，而knn 是根据k个邻居的结果分到哪一类当中。kmeans可以通过kmeans++的初始化方法，首先选取一个样本，然后后边选取的样本与前面所选取的样本的距离是分散的，可以使得结果更加稳定。
发表于 2025-11-22 20:06:10
回复(0)
KNN是有监督的分类算法，通过近邻投票来预测新样本的分类。KMeans是无监督的聚类算法，通过迭代优化将数据分为多个簇。 KMeans的K值可以通过肘部法（SSE拐点）或轮廓系数法（最大化簇内紧密度）来确定
发表于 2025-09-21 08:55:57
回复(0)
问题信息
-
扫描二维码，关注牛客网
- 意见反馈
-
下载牛客APP，随时随地刷题
扫一扫，把题目装进口袋
- 求职之前，先上牛客
-
扫描二维码，进入QQ群
扫描二维码，关注牛客公众号
- 公司地址：北京市朝阳区北苑路北美国际商务中心K1座一层-北京牛客科技有限公司
- 联系方式：010-60728802 投诉举报电话：010-57596212（朝阳人力社保局）
- 牛客科技© All rights reserved admin@nowcoder.com
- 京ICP备14055008号-4 增值电信业务经营许可证 营业执照 人力资源服务许可证
-
京公网安备
11010502036488号
