假设，我们有如下分成三类的数据，使用KNN算法（k=4），计算点（6,5）所属的类别应是（欧式距离）：[img=715x501]1803103fccd5362.png[/img]
A: 类别2
B: 类别1
C: 类别3
D: 不确定
A: 类别2
B: 类别1
C: 类别3
D: 不确定
举一反三
- KNN算法,首先计算已知类别数据集中的点与当前点之间的______ ,然后,按距离递增次序______ ,选取与当前点距离最小的k个点,统计前k个点所在的类别出现的______ ,返回前k个点出现频率最高的类别作为当前点的预测分类。
- 按照KNN的决策过程，请选择5个步骤正确的排序1、按照距离的远近排序2、计算测试对象到训练集中每个对象的距离3、统计这k个邻居的类别频率4、选取与当前测试对象最近的k的训练对象，作为该测试对象的邻居5、k个邻居里频率最高的类别，即为测试对象的类别 A: 2 ,1 ,4 ,3 ,5 B: 3, 4,5,2,1 C: 1,2,4,3,5 D: 2,1,3,4,5
- K近邻（KNN）算法是依据最邻近的几个样本的类别来决定待分类样本所属的类别，其中常用的距离公式包括（ ） A: 欧式距离 B: 曼哈顿距离 C: 余弦距离 D: 切比雪夫距离
- 指出下列化合物所含官能团的名称和所属类别：（1）CH3-CH2-NH2；（2）CH3-CH2-SH；（3）CH3-CH2-COOH；（4）CH3-CH2-CH2-Cl；（5）CH3COCH3；（6）C6H5NO2。
- 易燃液体类别1、类别2和类别3的信号词均为危险。