前言
Kmeans 算法和 KNN算法的区别是什么？
总是爱弄混这两个算法，不过这两种算法是有本质区别的。
KNN
- 监督学习
- KNN 算法是基于单个样本的角度考虑：
给出某个样本，从已分类好的样本中找出距离其最近的k个样本（所以叫K近邻），然后判断这K个近邻中多数属于哪一类别，多数的那个类别就是这个类该属于的类别
kMeans算法
属于无监督算法，样本是没有标签的。所以我们在将样本集合划分【这个划分是随机划分的】成k个子集，构成k个类。
上面这个划分是随机划分，子集的样本是会随着算法的迭代而逐渐改变。
是从类别的角度考虑
属于硬编码，所谓的硬编码体现在：计算出最短的距离是谁，那么就将其分成该类，即每个样本都只能属于一个类。
