我有一个大型数据库，其中包含有关国家名称，位置，人类发展指数（HDI）和人口等国家的数据。我需要根据人口将这些数据分类到一些“K”组。我的一位朋友建议，在这种情况下，K-means clustring将是有用的。但我想，这可以通过根据人口排序数据直接完成，然后将这些排序数据分成组。这两种方法有什么区别吗？
由于
答案 0 :(得分：1)
沿一个维度递归拆分会产生决策树。它是一种不同的数据结构。组之间的所有切口都沿轴（水平或垂直）。 K-means可以实现平衡，因为切割不一定是水平或垂直（大部分时间不是）。
实际上，决策树方法也非常有用。你可能会尝试一下。