No algoritmo de aprendizado de máquina supervisionado dos K-Vizinhos (mais) próximos, o hiperparâmetro K é quem define o número de vizinhos a ser c...

No algoritmo de aprendizado de máquina supervisionado dos K-Vizinhos (mais) próximos, o hiperparâmetro K é quem define o número de vizinhos a ser considerado para determinar a classe de um exemplo de classe desconhecida. Dentre as alternativas a seguir, qual seria uma boa forma de determinar o valor de K para ser aplicado o KNN em um conjunto de dados? Grupo de escolhas da pergunta Dividir o conjunto de dados em treinamento (80%) e teste (20%). E aplicar o KNN com valores diferentes e progressivos de K. A cada classificador obtido, calcular a matriz de contingência em relação ao conjunto de teste e observar os valores de K que surtem melhor desempenho. Utilizar sempre K = 3 por ser um número ímpar e, por isso, não ter empate na votação da classe, além de ser bastante utilizado na literatura e na prática. Utilizar K = 5 para poder dividir o conjunto de dados ao meio e consequentemente ter dados de treinamento e de teste. Utilizar outra medida de distância ao invés da distância euclidiana e tentar, aleatoriamente, vários valores de K até encontrar o que pareça produzir o melhor resultado. Dividir o conjunto de dados em treinamento (50%) e teste (50%). E aplicar o KNN com valores aleatórios de K. A cada classificador obtido, calcular a matriz de contingência em relação ao conjunto de treinamento e observar os valores de K que surtem melhor desempenho.