WorksheetsCâu hỏi về thuật toán KNN
Total questions: 15
Worksheet time: 8mins
KNN chủ yếu được sử dụng để làm gì?
Phân lớp
Hồi quy
Phân cụm
Giảm chiều dữ liệu
K biểu diễn gì trong KNN?
Kernel
Klass
K-Means
Số lượng lân cận
Việc lựa chọn thước đo khoảng cách ảnh hưởng như thế nào đến độ nhạy của KNN cho thang đo đặc trưng?
Không ảnh hưởng
Độ nhạy cao với khoảng cách Manhattan
Độ nhạy cao với khoảng cách Euclide
Độ nhạy cao với độ tương tự Cosin
Ưu điểm của phương án bỏ phiếu dựa trên 'distance-weighted' đối với ảnh hưởng của các hàng xóm?
Tất cả các hàng xóm đóng góp ý kiến như nhau
Hàng xóm càng gần càng ảnh hưởng nhiều
Hàng xóm càng xa càng ảnh hưởng nhiều
Không có ảnh hưởng từ các hàng xóm
Khoảng cách nào thường được sử dụng trong KNN?
Khoảng cách Euclide
Khoảng cách Manhattan
Độ tương tự cosin
Tất cả các khoảng cách trên
Đâu là hạn chế chính của KNN trong hiệu quả tính toán?
Nó trở nên chậm khi số chiều tăng
Hiệu suất kém hơn khi dữ liệu không cân bằng
Nó nhạy cảm với ngoại lệ
Nó yêu cầu một lượng lớn dữ liệu
Trong thuật toán KNN làm tác vụ phân loại, lớp của một điểm dữ liệu mới được xác định bằng cách nào?
Đa số phiếu của K hàng xóm gần nhất của nó
Giá trị trung bình của K hàng xóm gần nhất của nó
Lựa chọn ngẫu nhiên từ K hàng xóm gần nhất của nó
Phiếu bầu có trọng số của K hàng xóm gần nhất của nó
Đâu là nhược điểm chính của thuật toán KNN?
Dễ bị quá khớp
Tính toán tốn kém cho các dữ liệu lớn
Chỉ có thể ứng dụng cho dữ liệu có thể phân tách tuyến tính
Cần một tập dữ liệu lớn để huấn luyện
Trong KNN hồi quy, các dự đoán được đưa ra cho một điểm dữ liệu mới như thế nào?
Da số phiếu của K hàng xóm gần nhất nó
Giá trị trung bình của các giá trị K hàng xóm gần nhất
Phiếu bầu có trọng số của K hàng xóm gần nhất
Chọn ngẫu nhiên từ K hàng xóm gần nhất của nó
Mục đích của toán tử 'batch normalization' trong mạng thần kinh sâu trong học có giám sát?
Tăng tốc độ huấn luyện
Giảm sự dịch chuyển của phương sai
Kiểm soát độ phức tạp của mô hình
Cải thiện khả năng diễn giải mô hình
Tác động của phương án bỏ phiếu dựa trên 'distance-weighted' đối với ảnh hưởng của các hàng xóm?
Tất cả các hàng xóm đóng góp ý kiến như nhau
Hàng xóm càng gần càng ảnh hưởng nhiều
Hàng xóm càng xa càng ảnh hưởng ít
KNN xử lí các đặc trưng phân loại trong tập dữ liệu đầu vào như thế nào?
Bỏ qua các đặc trưng phân loại
Chuyển đổi đặc trưng phân loại sang dạng số
Xử lí chúng giống như lớp riêng biệt
Không phải các đáp án trên
Việc lựa chọn tham số K ảnh hưởng như thế nào đến thuật toán KNN?
Nó kiểm soát tốc độ học tập
Nó đặt số lượng cụm
Nó xác định số lượng hàng xóm cần xem xét
Nó điều chỉnh ranh giới quyết định
KNN hoạt động như thế nào trên các tập dữ liệu có nhiều tính năng không liên quan?
Nó mạnh mẽ đối với các đặc trưng không liên quan
Nó trở nên kém hiệu quả hơn
Nó trở nên chính xác hơn
Nó phụ thuộc vào giá trị của 'k'
Việc lựa chọn thước đo khoảng cách ảnh hưởng như thế nào đến hiệu năng của KNN trên các tập dữ liệu có loại dữ liệu hỗn hợp (số và phân loại)?
Không có ảnh hưởng đến hiệu năng
Yêu cầu mô hình riêng biệt cho từng loại dữ liệu
Có thể cần một thước đo khoảng cách chuyên biệt hoặc chuyển đổi dữ liệu
Ưu tiên đặc trưng số hơn các đặc trưng phân loại
