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。
对
举一反三
内容
- 0
朴素贝叶斯“朴素”在哪里？
- 1
sklearn.naive_bayes模块实现了朴素贝叶斯算法，基于贝叶斯定理和强(天真)特征独立性假设的监督学习方法，下列哪个模型不是朴素贝叶斯分类器的模型() A: BernoulliNB() B: GaussianNB() C: NeighborsNB() D: MultinomialNB()
- 2
下列关于朴素贝叶斯的特点说法错误的是( ) A: 朴素贝叶斯模型发源于古典数学理论,数学基础坚实 B: 朴素贝叶斯模型无需假设特征条件独立 C: 朴素贝叶斯处理过程简单,分类速度快 D: 朴素贝叶斯对小规模数据表现较好
- 3
朴素贝叶斯分类算法为（）
- 4
朴素贝叶斯分类算法称为“朴素”的原因为（）