Een AI-practitioner heeft een algoritme nodig om bloemsoorten te classificeren met behulp van kenmerken: bloembladlengte, bloembladbreedte, kelkbladlengte en kelkbladbreedte. Welk algoritme is geschikt voor deze classificatietaak?

K-nearest neighbors (k-NN) is een geschikt algoritme voor deze classificatietaak omdat het een niet-parametrische methode is die objecten classificeert op basis van de meerderheidsklasse van hun k dichtstbijzijnde buren in de kenmerkruimte. Voor bloemclassificatie, waarbij de kenmerken (bloembladlengte, -breedte, kelkbladlengte, -breedte) direct vergelijkbaar zijn, werkt k-NN goed door nieuwe bloemen te groeperen met bekende bloemsoorten die vergelijkbare metingen hebben. K-means clustering is onjuist omdat het een unsupervised leeralgoritme is dat wordt gebruikt voor groepering (clustering), niet voor classificatie van reeds gelabelde data. ARIMA is onjuist omdat het een tijdreeksvoorspellingsmodel is, ongeschikt voor statische classificatie. Lineaire regressie is onjuist omdat het een supervised leeralgoritme is dat wordt gebruikt voor het voorspellen van continue waarden, niet voor categorische classificatie.