Un professionista dell'IA ha bisogno di un algoritmo per classificare le specie di fiori utilizzando le seguenti caratteristiche: lunghezza del petalo, larghezza del petalo, lunghezza del sepalo e larghezza del sepalo. Quale algoritmo è adatto per questo compito di classificazione?

K-nearest neighbors (k-NN) è un algoritmo di classificazione non parametrico che classifica i punti dati in base alla maggioranza delle classi dei suoi "k" vicini più prossimi nello spazio delle caratteristiche. È adatto per questo compito perché le caratteristiche fornite (lunghezza/larghezza di petalo e sepalo) sono numeriche e possono essere utilizzate per calcolare le distanze tra i punti dati, permettendo a k-NN di identificare la specie di fiore più probabile. K-means clustering è un algoritmo di clustering non supervisionato, usato per raggruppare dati senza etichette, non per la classificazione di dati etichettati. ARIMA è un modello statistico per l'analisi di serie temporali, non per la classificazione di dati statici. La regressione lineare è un algoritmo di regressione usato per prevedere un valore continuo, non una classe discreta.