K近邻（KNN）算法是依据最邻近的几个样本的类别来决定待分类样本所属的类别，其中常用的距离公式包括（ ）
A: 欧式距离
B: 曼哈顿距离
C: 余弦距离
D: 切比雪夫距离
A: 欧式距离
B: 曼哈顿距离
C: 余弦距离
D: 切比雪夫距离
举一反三
- 下列哪个距离度量不在KNN算法中体现:( )。 A: 切比雪夫距离 B: 欧氏距离 C: 余弦相似度 D: 曼哈顿距离
- 在闵可夫斯基距离公式中,当p=2时,闵可夫斯基距离变为(). A: 欧式距离公式 B: 曼哈顿距离公式 C: 切比雪夫距离公式
- 对样本进行聚类，通常采用的相似性统计量有（）。 A: 绝对距离 B: 欧式距离 C: 切比雪夫距离 D: 夹角余弦
- 对样本进行聚类，通常采用的相似性统计量（） A: 绝对距离 B: 欧式距离 C: 夹角余弦 D: 相关系数 E: 切比雪夫距离
- 对样本进行聚类，通常采用的相似性统计量（） A: A绝对距离 B: B欧式距离 C: C夹角余弦 D: D相关系数 E: E切比雪夫距离