Quiz lié à un guide · Moyen Niveau

Quiz sur les voisins les plus proches

Couvre le vote des voisins, la mise à l'échelle des fonctionnalités, le coût de la prédiction, le choix des métriques et les compromis pratiques lors du stockage des exemples de formation.

Chemins de guidage associésK Voisins les plus proches
Question 1 de 8

Comment KNN classe-t-il un nouveau point de données ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Comment KNN classe-t-il un nouveau point de données ?
    • En recueillant un vote majoritaire de ses K voisins les plus proches
    • En y entraînant un réseau de neurones
    • En calculant une droite de régression pondérée
    • En attribuant une classe aléatoire
  2. Why is KNN often called a “lazy learner”?
    • It never stores training data
    • It stores training examples and can defer much model-specific work until prediction, though indexes may be built during fitting
    • It always trains a deep neural network first
    • It does no work during either fitting or prediction
  3. Pourquoi la mise à l'échelle des fonctionnalités est-elle importante pour KNN ?
    • Cela rend la formation plus rapide
    • Cela réduit le nombre de voisins nécessaires
    • Ainsi, les entités avec de grandes portées ne dominent pas la distance
    • Il change K automatiquement
  4. Que se passe-t-il si vous choisissez un très petit K, comme K=1 ?
    • Le modèle devient très fluide
    • Le modèle ignore les données
    • Les prédictions deviennent impossibles
    • Le modèle devient sensible au bruit et peut être surajusté
  5. In a brute-force KNN implementation, why can prediction be slow on a large dataset?
    • It may compute distances from a query to many or all stored examples
    • It must update all model weights for every query
    • It reruns the entire training dataset through a neural network
    • It cannot use an index or approximate search
  6. Quelle technologie moderne repose sur l’idée du plus proche voisin ?
    • Compression d'images avec JPEG
    • Génération augmentée par recherche et récupération de vecteurs
    • Génération de nombres aléatoires
    • Formules de feuille de calcul
  7. Why should a feature scaler be fit only on the training split before KNN evaluation?
    • To make the distance metric ignore every feature
    • To guarantee all classes have equal counts
    • To avoid using information from validation or test examples when setting the scale
    • To remove the need to choose K
  8. How can KNN make a prediction for a regression task?
    • Choose the most common class label only
    • Fit a new deep network for each query
    • Ignore the stored examples and use a fixed intercept
    • Aggregate the target values of the K nearest training examples, often by averaging