选择较小的k值,相当于用较小的邻域中的训练实例进行预测,学习的“近似误差”会减小,“估计误差”会增大,预测结果会对近邻的点实例点非常敏感。（)

A.减小，减小

B.减小，增大

C.增大，减小

D.增大，增大

A.较小

B.较大

C.无影响

A.K的选择对分类结果影响很小

B.计算距离只能采用欧氏距离

C.KNN算法的计算复杂度较低

D.KNN算法中的K通常选择较小的值

A.较小

B.较大

C.无影响