3个图表（i）、（ii）、（iii）展示了具有2个数值属性（x轴和y轴）和一个具有两个类别（圆形和方形）的目标属性的训练集。

我现在想知道数据挖掘算法（最近邻、朴素贝叶斯和决策树）能多好地解决每个分类问题。

我认为朴素贝叶斯（基于属性不相关的朴素假设）在解决第二个问题上比（i）和（iii）更好，因为在这里数值属性之间倾向于更加独立。

回答：

如果你想在这些场景中使用每种给定的方法：

第一个问题可以用决策树方法解决得最好，因为类别可以沿轴线分开。我的意思是在x轴上画一条垂直线，将值分成左右两侧，再在y轴上画一条垂直线，这样你会看到类别会被很好地分开。

第二个问题可以被视为朴素贝叶斯问题，正如你所提到的。

第三个问题可以用k最近邻方法解决。方形类别在坐标系中位置接近，圆形类别也可以带有一些误差被分类。