多項選擇題

?如下圖所示，樣本中有三個類別C₁、C₂、C₃，采用KNN分類算法，圖中給出了被測數(shù)據(jù)對象X和Y在特征空間中的映射點，以X、Y為中心的圓表示對應K個與X、Y最相近點的分布情況。依據(jù)KNN的多數(shù)表決規(guī)則，X歸為C₃類，Y歸為C₂類，但感覺這個分類結果與圖示有些偏差，直觀上X和Y都比較接近C₁。你覺得可以采取哪些措施來改進算法以避免這種情況發(fā)生？（）

A.X的問題是K值選擇太小，可以適當增大K值，Y的問題是K值過大，可以適當減小K值
B.Y的分類問題可能是由于樣本數(shù)不平衡造成，可以考慮壓縮C₂類別的樣本數(shù)量
C.Y的問題可以考慮用加權多數(shù)表決法解決
D.X的問題可能是C₃類含比較異常的樣本，去除異常樣本數(shù)據(jù)可以提高分類準確度

你可能感興趣的試題

多項選擇題

采用KNN分類，表中列出了與被測對象距離最近的5個結果，采用歐式距離，有2個類別“0”、“1”。請選擇以下正確的選項（）。

A.采用多數(shù)表決法，K=3時，結果為“0”類，K=5時為“1”類
B.用加權多數(shù)表決法，直接用距離倒數(shù)作為權值。結果與A一致
C.用加權多數(shù)表決法，直接用距離倒數(shù)作為權值。K=3和K=5時，結果均為“0”類
D.采用加權表決規(guī)則后，K值越大，準確性越高

單項選擇題

?假設一門課將一部分內容安排成了線上內容，包括課程相關的視頻和集中討論兩部分。對于線上內容學生可以自愿選擇是否參加，不影響總成績。學期結束時，老師希望對學生在線上的學習情況用KNN進行分析，老師能夠統(tǒng)計到每個學生線上收看視頻的時間，以及參與集中討論的時間?，F(xiàn)在老師希望做兩個分類工作：
（1）根據(jù)學生看視頻和參與討論的時間，將學生分成“自主學習型”（看視頻較多）和“集中學習型”（參與討論較多）兩類。
（2）根據(jù)學生參與線上內容的程度，將學生分成“課堂學習型”和“課堂+線上學習型”。
?試問對于上述兩個分類工作，如果考慮歐式距離和余弦相似度，應該選擇哪種距離函數(shù)比較合適？（）

A.（1）和（2）都選擇余弦相似度
B.（1）選擇歐式距離，（2）選擇余弦相似度
C.（1）選擇余弦相似度，（2）選歐式距離
D.（1）和（2）都選歐式距離

你可能感興趣的試題

采用KNN分類，表中列出了與被測對象距離最近的5個結果，采用歐式距離，有2個類別“0”、“1”。請選擇以下正確的選項（）。

采用KNN分類，表中列出了與被測對象距離最近的5個結果，采用歐式距離，有2個類別“0”、“1”。請選擇以下正確的選項（）。