Vamos analisar cada afirmação: 1. Para estimar a classe a que o elemento K pertença, o algoritmo KNN calcula os K-vizinhos mais próximos a K. - Verdadeiro. O algoritmo KNN calcula os K-vizinhos mais próximos ao elemento K para estimar a classe a que ele pertence. 2. Na fase de classificação para um dado elemento de teste K, seus K-vizinhos mais próximos podem ser de uma mesma classe, e o algoritmo pode não conseguir decidir qual a classe a que esse elemento K pertence. - Falso. No KNN, o elemento é atribuído à classe mais frequente entre seus vizinhos mais próximos. Não há ambiguidade na decisão da classe. 3. Para encontrar a classe de um elemento que ainda não pertença a algum conjunto formado, o classificador KNN busca os K elementos do conjunto de treinamento que tenham a menor distância do elemento desconhecido. - Verdadeiro. O KNN busca os K elementos mais próximos do elemento desconhecido para determinar sua classe. Portanto, a resposta correta é a alternativa C) V-V-F.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar