KNN算法对样本不均衡的数据，判断不够合理，因此引入了加权的方法来改进算法，这使得模型的可解释性和可信度都大大提升（）

A.KNN算法是操作最为简单的分类算法

B.KNN算法的指导思想是“近朱者赤近墨者黑”

C.KNN算法的可解释性较差，无法给出科学的分类规则。

D.KNN算法的计算量与数据量有关。

A.跟量算法

B.时间加权平均价格算法

C.成交量加权平均价格算法

D.执行缺口算法

A.最大兴趣度，最小置信度

B.最小置信度，最大可信度

C.最小支持度，最小可信度

D.最大可信度，最大支持度

A.深度学习算法对数据预处理没要求

B.不需要人工进行特征工程，深度学习算法本身具有一定的特征提取能力

C.深度学习算法需要的数据量和算力更大，但性能更好

D.深度学习的算法解释性一般比较弱

A.Ribbon主要提供客户侧的软件负载均衡算法

B.简单轮询负载均衡

C.加权响应时间负载均衡

D.绝对负载均衡

A.kNN

B.Meanshift

C.k-means++

D.以上都不是

A.成交量加权平均价格算法

B.时间加权平均价格算法

C.跟量算法

D.执行缺口算法