Comparar modelos requer uma análise além da acurácia, considerando métricas como área sob a curva ROC (AUC-ROC) e matriz de confusão. Essas métricas fornecem uma visão mais detalhada do desempenho em diferentes classes. Modelos com alta acurácia podem ter desempenho desequilibrado em classes minoritárias. Diante do apresentado sobre o uso do algoritmo K-Nearest Neighbors (KNN), interprete as afirmativas a seguir: I. O KNN pode ser usado tanto para classificação quanto para regressão. II. O valor de estilo mostrar kk (número de vizinhos) sempre deve ser ímpar para que o algoritmo funcione corretamente. III. O KNN é sensível à escolha da métrica de distância. É correto o que se afirma em: Questão 4Resposta A. I, apenas. B. I, II e III. C. I e III, apenas. D. II e III, apenas. E. III, apenas.