Tonny回答（1）
Tom2023-08-01 13:16:07
Tom同学您好~
KNN是K最近邻元素算法，主要用于分类，具体思路是计算一个样本到其他样本点的距离再对距离进行排序，选择出距离最小的K个点，这K个点大多数是在哪一类，则该样本就是哪类的。
CART是分类回归树，是一种由果索因的分类算法，底层是方差分析，主要通过画树状图来表示如何将样本点归类。
K-Means是聚类算法，即如何划分一组样本点，是一种非层次聚类法，实施过程是首先随机选择K个案例作为类别中心，计算各案例到各中心的距离，将各案例按距离最近的原则归入各个类别，并以此计算各类别的新中心（中心用平均值表示，这就是K-means中means的含义)。按照新的聚类中心重新计算各案例距离中心的距离，并重新进行归类和更新类别聚类中心。不断重复这一过程，直到达到一定的收敛标准，或者达到事先指定的迭代数为止。
Classification是分类的意思，不特指什么方法。
如果对回答满意，请给我点个【采纳】，祝您学习愉快~
- 评论（0）
- 追问（2）
- 追问
-
所以这三种就KNN可用于分类 可以这么理解吗
- 追答
-
大家对模型的使用有一定主观性，总体来讲CART和KNN更像，他们俩是线性回归的升级版，讨论自变量与因变量的关系，以及如何预测，K-Means更多是看一组样本点谁和谁更接近。
评论
0/1000
追答
0/1000
+上传图片