K-Nearest Neighbour

O kNN é um método de aprendizagem que constrói um modelo e após o treinamento os dados são descartados

• Verdadeiro

• Falso

Quando os valores estão em escalas diferentes, pode-se usar as técnicas de normalização e padronização para que os dados fiquem no mesmo padrão.

• Verdadeiro

• Falso

Durante a etapa de normalização, os valores são alterados para uma escala entre 0 e 1. Por outro lado, na padronização os dados são alterados levando em consideração a média e desvio padrão.

• Verdadeiro

• Falso

O algoritmo K-Nearest Neighbors (kNN), a partir do valor de k, seleciona os k atributos disponíveis e de maior valor conforme a quantidade de atributos semelhantes. A classificação é feita conforme o padrão da maioria.

• Verdadeiro

• Falso

O kNN leva em consideração o vizinho mais próximo para classificar um registro por meio da distância Euclidiana. Existem outras formas de se calcular a distância que não podem ser utilizadas no kNN, como por exemplo a Distância de Minkowsky.

• Verdadeiro

• Falso