knn算法中如果k值选择过小,结果会对噪声点的影响特别敏感;反之,k值选择过大,那么近邻中就可能包含太多种类别的点。
举一反三
- 影响K近邻算法性能的关键因素有()的选择。 A: K值 B: 目标类别 C: 初始中心 D: 距离指标
- 【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
- 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
- 关于K近邻说法正确的是: A: K近邻算法是机器学习 B: K近邻是无监督学习 C: K代表要分类的个数 D: K值的选择,对分类结果没有影响
- 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