首页
每个样本都可以用它最接近的k个邻居来代表的算法是：（）
精华吧
→
答案
→
远程教育
→
国家开放大学
每个样本都可以用它最接近的k个邻居来代表的算法是：（）
A、支持向量机
B、决策树
C、最近邻分类
D、线性判别
正确答案：C
Tag：
向量
近邻
线性
时间：2024-03-21 12:15:47
上一篇：
贝叶斯判别既没有考虑每个分类的观察值不同时，每类出现的机会是不同的，也没有考虑误判所造成的损失差异。
下一篇：
马氏距离不受总体空间大小的影响，也不受计量单位的影响，反映了按平均水平计算被判定样本到中心的相对距离。
相关答案
1.
先验概率是根据以往经验和分析得到的概率。
2.
下列关于贝叶斯判别和线性判别，说法正确的是（）
3.
通常情况下，线性判别（距离判别）一般采用马氏距离。
4.
马氏距离既受总体空间大小的影响，也受计量单位的影响，反映了按平均水平计算被判定样本到中心的相对距离。
5.
下列关于贝叶斯判别和线性判别，说法错误的是（）。
6.
下列哪一个方法适用于类域的交叉或重叠较多的待分样本集（）
7.
距离判别既没有考虑每个分类的观察值不同时，每类出现的机会是不同的，也没有考虑误判所造成的损失差异。
8.
下列关于k近邻算法的k值，说法正确的是（）
9.
如图是某数据集训练集和测试集的KNN算法的训练精度和测试精度，从图中可以判断k值取（）最为合适。
10.
下列关于KNN算法说法错误的是（）。
热门答案
1.
如图分别为k=1，k=10，k=30时，训练集数据与测试集数据的分布，说法正确的是（）。
2.
KNN算法在类别决策时，与极少量的相邻样本有关。
3.
最近邻算法中，随着近邻个数的增加，模型的复杂度增加。
4.
下列关于KNN算法说法正确的是（）。
5.
KNN算法主要靠判别类域的方法来确定所属类别的，而不是靠周围有限的邻近的样本。
6.
近邻选得多，模型则比较稳健。
7.
KNN算法在类别决策时，与极多数量的相邻样本有关。
8.
在决策树中，节点误分率越大，那么（）
9.
在决策树中，节点熵越大，那么（）
10.
KNN算法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的。