多项选择题 ‎如下图所示，样本中有三个类别C1、C2、C3，采用KNN分类算法，图中给出了被测数据对象X和Y在特征空间中的映射点，以X、Y为中心的圆表示对应K个与X、Y最相近点的分布情况。依据KNN的多数表决规则，X归为C3类，Y归为C2类，但感觉这个分类结果与图示有些偏差，直观上X和Y都比较接近C1。你觉得可以采取哪些措施来改进算法以避免这种情况发生？（）

多项选择题 采用KNN分类，表中列出了与被测对象距离最近的5个结果，采用欧式距离，有2个类别“0”、“1”。请选择以下正确的选项（）。

单项选择题 ‍假设一门课将一部分内容安排成了线上内容，包括课程相关的视频和集中讨论两部分。对于线上内容学生可以自愿选择是否参加，不影响总成绩。学期结束时，老师希望对学生在线上的学习情况用KNN进行分析，老师能够统计到每个学生线上收看视频的时间，以及参与集中讨论的时间。现在老师希望做两个分类工作：（1）根据学生看视频和参与讨论的时间，将学生分成“自主学习型”（看视频较多）和“集中学习型”（参与讨论较多）两类。（2）根据学生参与线上内容的程度，将学生分成“课堂学习型”和“课堂+线上学习型”。‍试问对于上述两个分类工作，如果考虑欧式距离和余弦相似度，应该选择哪种距离函数比较合适？（）