KNN算法和K-Means算法相同点：
都是给定一个K值，通过计算距离划分成K个类

不同点：
1.KNN是有监督学习，Y值具有特定的意义，K-means是无监督学习，没有特定的Y
2.KNN是分类算法，K-means是聚类算法，两种算法使用场景不一样
2.KNN是通过计算新样本距离老样本的距离，通过排序选出对应的K个分组，K-means随机划分K个随机点，从而计算所有点距离随机点的距离从而划分到距离到随机点最近的簇，并计算三个簇的质点以此迭代计算。本质上KNN和K-means的k具有完全不一样的意义