高斯朴素贝叶斯构造方法为（）
举一反三
- 高斯朴素贝叶斯构造方法为（ ）。 A: sklearn.naive_bayes.MultinomialNB B: sklearn.naive_bayes.BernoulliNB C: sklearn.naive_bayes.GaussianNB D: semi-naive Bayes classifiers
- 原始的朴素贝叶斯只能处理离散数据,当x1,...,xn是连续变量时,我们可以使用()完成分类任务 A: 贝叶斯定理 B: 半朴素贝叶斯 C: 拉普拉斯平滑处理 D: 高斯朴素贝叶斯
- 在扩展库sklearn.naive_bayes中提供了三种朴素贝叶斯算法，分别是伯努利朴素贝叶斯BernoulliNB、高斯朴素贝叶斯GaussianNB和多项式朴素贝叶斯MultinomialNB，分别适用于伯努利分布（又称二项分布或0-1分布）、高斯分布（也称正态分布）和多项式分布的数据集。
- 为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类优缺点。
- 为什么朴素贝叶斯称为“朴素”?请简述朴素贝叶斯分类的主要思想