K-NN算法与K-Means算法的原理与区别（附带源码示例）

目标

确定某个元素所属的分类

将已存在的一系列元素分类

算法类别

监督的分类算法

无监督的聚类算法

数据区别

训练数据中，有明确的标签。 如：一个数据集中有几万张图片，都被打上了“苹果”的标签，另外还有几万张图片，被打上了“香蕉”的标签，数据是完全正确，知道结果的数据

几十万张各种各样水果的图片放一起，杂乱无章。

训练过程

无需训练（或者没有很明显的训练过程），将数据与训练数据直接对比

需要前期训练

K的含义

K指的是相邻数据的数目。 举个例子，假设某张图片相邻的20张图片中，有18张是打着“苹果”标签的数据，有1张是“香蕉”，1张是“樱桃”，那么这张图片的标签也是“苹果”。 那么在这个例子中，K就是20，20张相邻的图片。

K指的是分类的数目，人为设定好分为K个簇。

对比结果

K值不变的情况下，每次结果都是一样的。

K值确定后每次结果可能不同。