k-means算法和knn算法的區(qū)別？K-means聚類(lèi)算法是HCM（普通的硬c-means聚類(lèi)算法），這是一種硬劃分方法，結(jié)果不是1就是0，沒(méi)有其他情況，具有非此即彼的性質(zhì)。隸屬度矩陣為u。FCM是

k-means算法和knn算法的區(qū)別？

K-means聚類(lèi)算法是HCM（普通的硬c-means聚類(lèi)算法），這是一種硬劃分方法，結(jié)果不是1就是0，沒(méi)有其他情況，具有非此即彼的性質(zhì)。

隸屬度矩陣為u。FCM是HCM算法對(duì)模糊情況的推廣，用于模糊分類(lèi)，并給出隸屬度的權(quán)重。

k-means和knn算法的區(qū)別？

在分類(lèi)：KNN（k-最近鄰）訓(xùn)練階段：記住所有點(diǎn)測(cè)試階段：計(jì)算新點(diǎn)a和原始數(shù)據(jù)預(yù)測(cè)中每個(gè)點(diǎn)之間的歐氏距離：找到離點(diǎn)a最近的k點(diǎn)，看哪個(gè)分類(lèi)點(diǎn)k點(diǎn)屬于最多，然后將點(diǎn)a劃分為該類(lèi)缺點(diǎn)：SVM（支持向量機(jī)）在測(cè)試階段花費(fèi)的時(shí)間太長(zhǎng)，KNN與機(jī)器學(xué)習(xí)的區(qū)別在于logistic回歸更像分類(lèi)算法。不同的是logistic回歸采用logistic損失，支持向量機(jī)采用后驗(yàn)損失。這兩個(gè)損失函數(shù)的目的是增加對(duì)分類(lèi)影響較大的數(shù)據(jù)點(diǎn)的權(quán)重，減少與分類(lèi)關(guān)系較小的數(shù)據(jù)點(diǎn)的權(quán)重。支持向量機(jī)是稀疏的，因?yàn)樗ㄟ^(guò)支持向量機(jī)。Logistic回歸通過(guò)使用權(quán)重來(lái)降低異常值的權(quán)重。

KNN算法中K是怎么決定的？

K-最近鄰（KNN）分類(lèi)算法是理論上比較成熟的方法，也是最簡(jiǎn)單的機(jī)器學(xué)習(xí)算法之一。該方法的思想是：如果特征空間中k個(gè)最相似的樣本大部分屬于某一類(lèi)別，則該樣本也屬于該類(lèi)別。