Un praticien de l'IA a besoin d'un algorithme pour classer les espèces de fleurs en utilisant les caractéristiques suivantes : longueur des pétales, largeur des pétales, longueur des sépales et largeur des sépales. Quel algorithme convient à cette tâche de classification ?

L'algorithme K-plus proches voisins (k-NN) est un excellent choix pour cette tâche de classification car il est non-paramétrique et basé sur la distance. Il classe un nouveau point de données en fonction de la majorité des classes de ses 'k' voisins les plus proches dans l'espace des caractéristiques, ce qui est idéal pour distinguer des espèces de fleurs basées sur des mesures physiques. Le clustering K-means est un algorithme de regroupement (non supervisé), et non de classification. ARIMA est utilisé pour l'analyse de séries temporelles, pas pour la classification d'entités statiques. La régression linéaire est utilisée pour prédire une valeur continue, pas pour classer des données en catégories discrètes.