k-means分類とsvm分類の違いは何ですか?


答え 1:

問題の1つのクラスは、データを与えられた確率分布を見つけるように求めます。 別のクラスは、いくつかの分布(多くの場合2つ)のどれが与えられたポイントでより高い値を持っているかを尋ねます。 後者の場合、ディストリビューション自体を見つける必要はありません。

K-meansはEMアルゴリズムの特殊なケースであり、上記のクラスの最初に属します。 暗黙的に単一のディストリビューションを見つけようとしています。

SVMは2番目のクラスに属します。 2セットのポイント(たとえば、赤と青)があり、目標は、データが存在する空間内の任意のポイントで、そのポイントでどのタイプ(赤または青)である可能性が高いかを見つけることです。


答え 2:

K-meansはクラスタリングアルゴリズムであり、分類方法ではありません。 一方、SVMは分類方法です。 クラスラベルがない場合はクラスタリングを行い、クラスラベルがある場合は分類を実行します。 クラスタリングは教師なし学習手法であり、分類は教師あり学習手法です。 したがって、両方を比較すると、リンゴとオレンジが比較されます。 それらの違いを理解するには、以下を読む必要があります-教師付き学習はクラスタリング後に一般的に実行されますか? (その答えのリンクも読んでください)