‌如下哪种表示不是归并排序算法时间复杂性？（）

多项选择题关于蛮力法（枚举法），遗传算法，以及基于最小生成树的算法。它们各有优势和劣势。下述断言中有哪些是错的？（）

A.三个算法都能给出最优解，差别在于效率
B.三个算法效率差不多，差别在于给出的解的质量
C.枚举法是精确算法，遗传算法是近似算法
D.遗传算法和基于最小生成树的算法都是近似算法，不同在于后者能保证近似的精度在一定范围内，前者则不能保证

多项选择题‎如下图所示，样本中有三个类别C1、C2、C3，采用KNN分类算法，图中给出了被测数据对象X和Y在特征空间中的映射点，以X、Y为中心的圆表示对应K个与X、Y最相近点的分布情况。依据KNN的多数表决规则，X归为C3类，Y归为C2类，但感觉这个分类结果与图示有些偏差，直观上X和Y都比较接近C1。你觉得可以采取哪些措施来改进算法以避免这种情况发生？（）

A.X的问题是K值选择太小，可以适当增大K值，Y的问题是K值过大，可以适当减小K值
B.Y的分类问题可能是由于样本数不平衡造成，可以考虑压缩C₂类别的样本数量
C.Y的问题可以考虑用加权多数表决法解决
D.X的问题可能是C₃类含比较异常的样本，去除异常样本数据可以提高分类准确度

多项选择题采用KNN分类，表中列出了与被测对象距离最近的5个结果，采用欧式距离，有2个类别“0”、“1”。请选择以下正确的选项（）。

A.采用多数表决法，K=3时，结果为“0”类，K=5时为“1”类
B.用加权多数表决法，直接用距离倒数作为权值。结果与A一致
C.用加权多数表决法，直接用距离倒数作为权值。K=3和K=5时，结果均为“0”类
D.采用加权表决规则后，K值越大，准确性越高

单项选择题‍假设一门课将一部分内容安排成了线上内容，包括课程相关的视频和集中讨论两部分。对于线上内容学生可以自愿选择是否参加，不影响总成绩。学期结束时，老师希望对学生在线上的学习情况用KNN进行分析，老师能够统计到每个学生线上收看视频的时间，以及参与集中讨论的时间。现在老师希望做两个分类工作：（1）根据学生看视频和参与讨论的时间，将学生分成“自主学习型”（看视频较多）和“集中学习型”（参与讨论较多）两类。（2）根据学生参与线上内容的程度，将学生分成“课堂学习型”和“课堂+线上学习型”。‍试问对于上述两个分类工作，如果考虑欧式距离和余弦相似度，应该选择哪种距离函数比较合适？（）

A.（1）和（2）都选择余弦相似度
B.（1）选择欧式距离，（2）选择余弦相似度
C.（1）选择余弦相似度，（2）选欧式距离
D.（1）和（2）都选欧式距离

多项选择题假设有如下16个数据点：1，2，5，11，15，18，19，21，25，27，29，32，33，37，40，57。要聚成3类（从左到右，分别称为第一类，第二类，第三类），初始中心为10，20，30。试根据算法流程完成聚类。根据你的聚类结果，下面哪些说法是正确的？（）

A.根据初始中心，最开始1，2，5，11，15同属第一类，但后来15属于第二类了
B.聚类结束时，第二类最大，有7个数
C.聚类结束时，第三类的中心大于35
D.聚类结束时，11也属于第二类了