經(jīng)常把knn和kmeans搞混优训，knn是監(jiān)督學(xué)習(xí)朵你，用于分類或回歸，kmeans是無(wú)監(jiān)督的聚類模型揣非。
對(duì)于knn抡医，這是一種lazy learning，先進(jìn)行存儲(chǔ)早敬，在querying的時(shí)候才進(jìn)行預(yù)測(cè)忌傻。基本上搞监，算是一種similarity function水孩。knn基于鄰近的k個(gè)值，求得平均值或者weighted average琐驴，得到最后的輸出俘种。所以選擇distance function或者說(shuō)similarity function很重要秤标。 如何取得k的值也是一個(gè)減小error的關(guān)鍵 。knn中所有的特征都是同等重要宙刘。
