首页
k近邻法(k-NearestNeighbor,kNN)是一种比较成熟也是最简单的机器学习算法，可以用于分类，但不能用于回归方法。
精华吧
→
答案
→
慕课
→
未分类
k近邻法(k-NearestNeighbor,kNN)是一种比较成熟也是最简单的机器学习算法，可以用于分类，但不能用于回归方法。
A.正确
B.错误
正确答案：错误
Tag：
机器学习
近邻
算法
时间：2021-12-29 13:26:53
上一篇：
两个向量的余弦相似度越接近1，说明两者越相似。
下一篇：
KNN没有显示的训练过程，它在训练阶段只是把数据保存下来，训练时间开销为0，等收到测试样本后进行处理。
相关答案
1.
KNN算法的缺点包括以下几点？
2.
闵可夫斯基距离中的p取1或2时的闵氏距离是最为常用的，以下哪项是正确的:（）。
3.
以下关于KNN说法正确的是(多选)（）。
4.
影响KNN算法效果的主要因素包括（）。
5.
两个向量的长度分别为1和2，两者之间的夹角为60度，则以下选项错误的是（）。
6.
关于KNN算法的描述，不正确的是（）。
7.
KNN算法在什么情况下效果较好？
8.
假设有6个二维数据点：D={(2,3),(5,7),(9,6),(4,5),(6,4),(7,2)}，第一次切分时候，切分线为（）。
9.
KD树(K-DimensionTree)的描述中，不正确的是（）。
10.
关于余弦相似度，不正确的是（）。
热门答案
1.
以下哪项是KNN算法的缺点？
2.
利用KD树进行搜索时，正确的方式是（）。
3.
以下关于KD树的说法错误的是（）。
4.
以下距离度量方法中，在城市道路里，要从一个十字路口开车到另外一个十字路口的距离是：（）。
5.
下列选项中，关于KNN算法说法不正确是：（）。
6.
下列哪个距离度量不在KNN算法中体现：（）。
7.
100万条数据划分训练集、验证集、测试集，数据可以这样划分：98%，1%，1%。
8.
SMOTE算法是用了上采样的方法。
9.
L2正则化得到的解更加稀疏。
10.
特征空间越大，过拟合的可能性越大。