试设计一种能提升k最近邻分类器性能的集成学习算法（写出算法过程）

A.快速K近邻算法

B.压缩近邻法

C.最近邻算法

D.K近邻算法

A、最小距离分类器

B、逻辑回归

C、K-means

D、KNN(K近邻)

A.K近邻算法是机器学习

B.K近邻是无监督学习

C.K代表要分类的个数

D.K值的选择，对分类结果没有影响

A、提升算法将若干个弱分类器(weak classifiers)组合起来，形成一个强分类器(strong classifier)

B、提升算法基于概率近似正确 (probably approximately correct, PAC）理论，即如果已经发现了“弱学习算法”，可将其提升（boosting）为“强学习算法”

C、提升算法在每一轮迭代学习中均会更改每个数据的权重

D、提升算法在每一轮迭代学习中均会更改每个弱分类器的权重

A.决策树算法

B.K近邻算法

C.支持向量机

D.K-means算法

B.提升算法基于概率近似正确(probably approximately correct, PAC)理论，即如果已经发现了“弱学习算法”，可将其提升(boosting)为“强学习算法”

C.提升算法将若干个弱分类器(weak classifiers)组合起来，形成一个强分类器(strong classifier)

D.提升算法在每一轮迭代学习中均会更改每个数据的权重

A.SVM对噪声不具备鲁棒性

B.SVM寻找具有最小边缘的超平面，因此经常被称为最小边缘分类器

C.k-最近邻算法(K-NN)是一种消极学习器

D.聚类分析可以看作是一种非监督的分类

A.轨迹跟踪

B.决策树

C.数据挖掘

D.K近邻算法