hei_ya的博客

1.基本原理        K-means（K均值）是基于数据划分的无监督聚类算法，是数据挖掘领域的十大算法之一。     聚类算法可以理解为无监督的分类方法，即样本集预先不知所属类别或标签，需要根据样本之间的距离或相似程度自动分类。聚类算法可以分为基于划分的方法、基于连通性的方法、基于密度的方法、基于概率分布模型的方法等，K-means属于基于划分的聚类方法。算法步骤一般如下

KNN学习（K-Nearest Neighbors, KNN）是一种统计分类器，属于惰性学习，对包容型数据的特征变量筛选尤其有效。1.基本原理输入没有标签即未经分类的新数据，首先提取新数据的特征并与测试集中的每一个数据特征进行比较；然后从样本中提取k个最邻近（最相似）数据特征的分类标签，统计这k个最邻近数据中出现次数最多的分类，将其作为新数据的类别。分类：KNN按照一定规则将相似的数据