能够看出来除了KNN之外其余算法都是聚类算法html
1.knn/kmeans/kmeans++区别算法
先给你们贴个简洁明了的图，好几个地方都看到过，我也不知道到底谁是原做者啦，若是侵权麻烦联系我咯~~~~spa
knn模型的三要素：距离度量（如何计算样本之间的距离）、k值的选择（选择要判断的目标周围的几个样本去判断类别）、分类决策规则（如何决定目标的类别）.net
图中所谓没有明显的训练过程就是给定目标样本，只须要直接计算其周围K个样本的类别，经过分类决策规则判断出来目标样本的类别就能够，不须要预先训练一个判别模型。htm
Kmeans算法的缺陷blog
- 聚类中心的个数K 须要事先给定，但在实际中这个 K 值的选定是很是难以估计的，不少时候，事先并不知道给定的数据集应该分红多少个类别才最合适
- Kmeans须要人为地肯定初始聚类中心，不一样的初始聚类中心可能致使彻底不一样的聚类结果。（可使用Kmeans++算法来解决）
上面就引出了kmeans++，也就是选择初始种子究竟是哪一个样本时（主要不是选择中心个数，而是人为给定聚类个数，初始化具体哪些样本为初始质心），不是像kmeans那样随机选择，而是：初始的聚类中心之间的相互距离要尽量的远。class
上面这部分主要是参考 https://blog.csdn.net/loadstar_kun/article/details/39450615im
2.其他聚类算法间的区别数据
参考连接 http://blog.sina.com.cn/s/blog_7103b28a0102w4e1.html （我尚未细看，下次再补充~~~~~~~）img