使用先验概率和后验概率的分类算法是（）？
A: 决策树
B: 朴素贝叶斯
C: 支持向量机SVM
D: BP神经网络
A: 决策树
B: 朴素贝叶斯
C: 支持向量机SVM
D: BP神经网络
举一反三
- 常用的分类算法包括（ ）。 A: 决策树 B: 支持向量机 C: 贝叶斯网络 D: 神经网络
- 机器学习常用算法有哪些？（） A: 决策树 B: 朴素贝叶斯 C: 支持向量机 D: 神经网络
- 下面有关朴素贝叶斯算法的认识错误的是？ A: 与决策树算法不同，朴素贝叶斯模型是比较各种类别出现的概率大小确定样本的类别。 B: 朴素贝叶斯算法是一种使用概率理论的非监督分类算法。 C: 朴素贝叶斯模型需要先确定特征，并根据样本计算相关的先验概率，再计算特征条件下的分类变量的后验概率。 D: 朴素贝叶斯模型课用于垃圾邮件分类、微博用户情感的识别等场景。
- 贝叶斯决策是由先验概率和类条件概率，推导后验概率，然后利用这个概率进行决策。（ ）
- 朴素贝叶斯分类的思想是: A: 使用训练数据构造决策树进行分类 B: 利用先验知识层层迭代，穷举所有的可能 C: 利用贝叶斯定理，使用先验概率求后验概率 D: 相似的对象分到同一类中