关于KNN算法的描述,不正确的是( )。
A: 可以用于分类
B: 可以用于回归
C: 距离度量的方式通常用曼哈顿距离
D: K值的选择一般选择一个较小的值
A: 可以用于分类
B: 可以用于回归
C: 距离度量的方式通常用曼哈顿距离
D: K值的选择一般选择一个较小的值
C
举一反三
- 关于KNN算法的描述,不正确的是( )。 A: 可以用于分类 B: 可以用于回归 C: 距离度量的方式通常用曼哈顿距离 D: K值的选择一般选择一个较小的值
- 有关KNN算法，说法正确的是？ A: K的选择对分类结果影响很小 B: 计算距离只能采用欧氏距离 C: KNN算法的计算复杂度较低 D: KNN算法中的K通常选择较小的值
- KNN算法的基本要素有()。 A: K值的选择 B: 距离度量 C: 知识表示 D: 分类决策规则
- knn算法三个要素 A: k值的选择 B: 距离度量 C: 分类决策的规则 D: d。训练样本的个数
- 关于KNN中K值选择的说法不正确的是： A: 在应用中，k值一般取一个比较小的数值.通常采用交叉验证法来选取最优的k值. B: 如果选择较大的k值，可以减少学习的估计误差。 C: 如果选择较小的k值, “学习”的近似误差会减小 D: 选择较大的k值，模型变得更复杂
内容
- 0
KNN算法也就是K近邻算法,可以用于分类和回归。(<br/>)
- 1
影响KNN算法效果的主要因素包括( )。 A: K的值 B: 距离度量方式 C: 决策规则 D: 最邻近数据的距离
- 2
下列关于KNN算法描述正确的是( )。 A: KNN分类的结果与K值无关 B: KNN分类的结果随着K值的增大而更加准确 C: KNN分类的结果随着K值的增大而更加不准确 D: KNN算法需要事先确定K值
- 3
【多选题】有关KNN算法的K值选择,下列说法正确的是 A. K值选择的不同会对算法结果产生影响 B. 随着K值的增大，KNN的分类效果逐渐提升；在达到某个临界点之后分类效果会降低 C. 当K值与样本数量相同时，KNN分类效果最好 D. 一般采用交叉验证的方式确定K值
- 4
K近邻算法(KNN)不仅可以用来执行机器学习分类任务，也可以用于缺失值填补？