В чем разница между K-Means и KNN моделями

K-Means — алгоритм кластеризации, который группирует данные в K кластеров на основе расстояния до центроидов. Он не требует размеченных данных и используется для unsupervised learning. Пример:

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3).fit(X)
labels = kmeans.labels_

KNN (k-Nearest Neighbors) — алгоритм классификации/регрессии, который предсказывает метку на основе k ближайших соседей. Требует размеченных данных (supervised learning). Пример:

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=3).fit(X_train, y_train)
preds = knn.predict(X_test)

Ключевые отличия:

• K-Means — unsupervised, KNN — supervised.
• K-Means группирует данные, KNN классифицирует/предсказывает.
• K-Means использует центроиды, KNN — расстояния до соседей.