افراد معمولا دو الگوریتم KNN و K-means را با هم اشتباه می‌گیرند و تصورشان بر این است که هر جایی می‌توانند از آنها استفاده کنند.
تفاوت
K-means به الگوریتم یادگیری بدون نظارتی اطلاق می‌شود که در مسئله خوشه‌بندی کاربرد دارد، اما KNN یا k نزدیک‌ترین همسایه یک الگوریتم یادگیری با نظارت است که در مسئله طبقه‌بندی و رگرسیون مورد استفاده قرار می‌گیرد. این تفاوت اساسی میان K-means و KNN است.
الگوریتم (k-NN) روشی با ناظر برای مسائل طبقه‌بندی و رگرسیون است. بااین‌حال، k-NN در مسائل طبقه‌بندی به طور متداول کاربرد دارد. این الگوریتم با یادگیری از داده‌های گذشته، اقدام به پیش‌بینی می‌کند.
خوشه‌بندی K-MEANS به چه معناست؟
خوشه‌بندی K-means برای تجزیه و تحلیل و گروه‌بندی داده‌هایی که فاقد کلاس از پیش برچسب زده شده باشند، استفاده می‌شود.
فرق بین (K-NN) با خوشه‌بندی K-MEANS چیست؟
در واقع (k-NN) بر پایه شباهت ویژگی استوار است و K-means به تقسیم اشیاء به خوشه اشاره می‌کند.
و KNN نوعی روش طبقه‌بندی است و K-means به یک روش خوشه‌بندی گفته می‌شود.
حال، بیایید تفاوت بین آنها را با مثالی از کروکودیل و تمساح بررسی کنیم:
فرق میان کروکودیل و تمساح بر حسب خصوصیات‌شان مشهود است.
در واقع K-means تقسیم اشیاء به خوشه را بر عهده دارد.
امیدواریم این پست کوتاه به شما کرده باشد تا تفاوت میان KNN و K-means را درک کنید. اگر درمورد مفاهیم دیگر ابهام دارید در قسمت نظرات با ما مطرح کنید.
منبع: hooshio.com
