A、根据特征向量X计算样本之间的相似性，选择离中心点最相似的k个样本
B、k近邻既可以用于分类，也可以用于回归
C、k近邻用于分类时，对于新的样本，计算离其最近的k个样本的平均值，作为新样本的预测值
D、k近邻用于分类时，对于新的样本，根据其k个最近邻样本的类别，通过多数表决的方式预测新样本的类别
答案：BD
A、根据特征向量X计算样本之间的相似性，选择离中心点最相似的k个样本
B、k近邻既可以用于分类，也可以用于回归
C、k近邻用于分类时，对于新的样本，计算离其最近的k个样本的平均值，作为新样本的预测值
D、k近邻用于分类时，对于新的样本，根据其k个最近邻样本的类别，通过多数表决的方式预测新样本的类别
答案：BD
解析：正确
A. 它是NameNode的热备
B. 它对内存没有要求
C. 它的目的是帮助NameNode合并编辑日志，减少NameNode启动时间
D. SecondaryNameNode应与NameNode部署到一个节点
解析：实数向量
A. ①③
B. ①②③
C. ②③
D. ①②
解析：全部描述正确
A. kNN
B. SVR
C. 线性回归
D. 逻辑回归
解析：见算法解析
A. 主板
B. 内存条
C. GPU
D. CPU
A. 31
B. 24
C. 55
D. 3
A. A．a%0.001
B. B．a//0.001
C. C．round(a,3)
D. D．round(3,a)
解析：本题主要考查Python函数。round(x,n)方法返回 x 的小数点四舍五入到n个数字，故要实现将实数型变量a的值保留三位小数，可以使用语句round(a,3)，故本题选C选项。
A. 隐藏层层数增加，模型能力增加
B. Dropout的比例增加，模型能力增加
C. 学习率增加，模型能力增加
D. 都不正确
