A votação entre vizinhos e o k-means dependem da distância, mas respondem a perguntas diferentes. Um classificador de vizinhos mais próximos prevê um resultado conhecido usando linhas de treinamento rotuladas. O k-means cria grupos sem um alvo. Esta lista de exercícios os alterna para que a presença ou a ausência de rótulos continue fazendo parte da sua decisão de modelagem.
Leia o requisito de preparação em cada enunciado. As tarefas de classificação usam um pipeline de escalonamento ajustado no treinamento e um número de vizinhos explícito. As tarefas de agrupamento às vezes pedem entradas sem escalonar como comparação controlada. Os valores dos rótulos de cluster podem ser permutados sem alterar o agrupamento, mas ordenar os rótulos destrói a correspondência deles com os clientes. Nenhum método novo aparece aqui. Mantenha a ordem das linhas e deixe os objetos ajustados calcularem as saídas para os dados fictícios alterados.
A votação entre vizinhos depende da distância. O escalonamento ajustado no treinamento impede que uma variável com unidades numéricas grandes domine essa distância.