重庆理工大学
第一章单元测试
- K近邻算法(KNN)的工作原理是什么？（ ）
在K近邻算法中，以下哪个是常用的距离度量方法？（ ）
在使用K近邻算法进行分类时，如何处理数据集中的缺失值？（ ）
- 对于一个给定的数据集，选择K近邻算法中的K值的最佳方法是？（ ）
- 在KNN算法中，如果K=1，下列说法正确的是？（ ）
A:通过支持向量机进行分类 B:使用决策树分类 C:计算测试点与所有训练点之间的距离，并选取最近的K个点进行投票或平均 D:基于网络的深度学习
答案:计算测试点与所有训练点之间的距离，并选取最近的K个点进行投票或平均
A:欧氏距离和曼哈顿距离 B:欧氏距离 C:曼哈顿距离 D:余弦相似度
答案:欧氏距离和曼哈顿距离
A:忽略包含缺失值的特征 B:用特征的平均值替换缺失值 C:其他选项所述方法都可以使用 D:删除包含缺失值的数据点
答案:其他选项所述方法都可以使用
A:通过交叉验证选择K值 B:总是选择数据集中的项数作为K值 C:选择一个随机的K值 D:使用一个固定的K值，如K=5
答案:通过交叉验证选择K值
A:K的值不影响算法的性能 B:模型不会受到异常值的影响 C:模型将具有最高的偏差和最低的方差 D:模型将具有最低的偏差和最高的方差
答案:模型将具有最低的偏差和最高的方差
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
