对于分类算法而言，准确率定义被正确分类的样本数量与样本总数量的比值
对
举一反三
- 分类准确率是指分类正确的样本数占总样本数的比例。这里的样本指的是：（）
- 机器学习的三种分类，主要是依据样本数据集的（ ）进行分类。 A: 样本数量 B: 样本标签 C: 样本结构 D: 样本容量
- 以下关于分类模型的评价指标中，说法正确的是（ ） A: 特效性被定义为正确识别的负元组数量占实际为负元组总数的百分比 B: 衡量分类器对正类的识别能力的指标是召回率 C: 准确率表示分类器对各类元组的正确识别情况 D: 精度被定义为正确识别的正元组数量占预测为正元组总数的百分比
- 对于SVM分类算法，待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响。
- 按照确定分层样本数量的不同方式，分类抽样分为（）分类抽样和（）分类抽样两种。
内容
- 0
在Ada Boosting算法中，如果某个样本无法被当前弱分类器分类成功，则减少该样本权重，否则增大该样本权重。
- 1
KNN算法的分类原理有()。 A: 把已经分类或需要分类的样本在定义的特征空间上表征 B: 需要分类的样本选择特征空间上和自己最邻近的K个样本 C: 需要分类的样本的类别就是这K个样本中最多的那个类别
- 2
与简单随机抽样和等距随机抽样相比，在样本数量相同情况下，分类随机抽样的抽样误差较大；在抽样误差要求相同的情况下，它所需的样本数量较多。（ ）
- 3
在SVM算法中,离分类面最近的样本到分类面的距离叫做______ ;这样的样本叫做______ .
- 4
在模式识别中，样本的特征构成特征空间，特征数量越多越有利于分类（ ）