关于朴素贝叶斯分类器，正确的有_______。
A: 是一种概率分类器
B: 利用贝叶斯公式将样本属于某个类别的概率转换为后验概率来计算
C: 所谓“朴素”假设，即是样本独立同分布的假设
D: 所谓“朴素”假设，即是样本特征（属性）的条件独立假设
A: 是一种概率分类器
B: 利用贝叶斯公式将样本属于某个类别的概率转换为后验概率来计算
C: 所谓“朴素”假设，即是样本独立同分布的假设
D: 所谓“朴素”假设，即是样本特征（属性）的条件独立假设
A,A,A,B,D
举一反三
- 关于朴素贝叶斯分类器，正确的有（ ） A: 所谓“朴素”假设，即是样本特征（属性）的条件独立假设 B: 利用贝叶斯公式将样本属于某个类别的概率转换为后验概率来计算 C: 是一种概率分类器 D: 所谓“朴素”假设，即是样本独立同分布的假设
- 以贝叶斯/概率公式和特征条件独立假设为基础的朴素贝叶斯分类器，正确的说法包括（ ）。 A: 是一种概率分类器 B: 利用贝叶斯公式将样本属于某个类别的概率转换为后验概率来计算 C: 所谓“朴素”假设，即是简单样本的假设 D: 所谓“朴素”假设，即是样本特征（属性）的条件独立假设
- 朴素贝叶斯分类器基于（ ）假设 A: 样本分布独立性 B: 属性条件独立性 C: 后验概率已知 D: 先验概率已知
- 下列关于贝叶斯分类器说法正确的是（__）。 A: 贝叶斯分类算法是一大类分类算法的总称 B: 贝叶斯分类算法以样本可能属于某类的概率作为分类依据 C: 朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种 D: 朴素贝叶斯分类算法采用了属性条件独立性假设
- 朴素贝叶斯方法假设各变量间相互独立，因此在计算后验概率时可以将各变量的条件概率相加
内容
- 0
有关朴素贝叶斯算法的叙述正确的是（ ） A: 朴素贝叶斯算法是一种精确的分类算法 B: 采用朴素贝叶斯分类算法将一个样本分到某个类别中，表示它100%属于该类别 C: 朴素贝叶斯算法是一种基于概率的分类算法 D: 以上都不对
- 1
为了简化条件概率的计算，朴素贝叶斯算法提出条件假设（用于分类的特征在类别确定的条件下相互独立）即（）的意义
- 2
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。
- 3
11. 关于朴素贝叶斯，下列说法错误的是：（ ） A: 它是一个分类算法 B: 朴素的意义在于它的一个天真的假设：所有特征之间是相互独立的 C: 它实际上是将多条件下的条件概率转换成了单一条件下的条件概率，简化了计算 D: 朴素贝叶斯不需要使用联合概率
- 4
有关朴素贝叶斯分类器的说法正确的是？ A: 朴素贝叶斯分类器的变量必须是非连续性变量。 B: 朴素贝叶斯模型分类时需要计算属于各种类别的概率，取其中概率最大的类别最为分类预测值。 C: 朴素贝叶斯模型中的特征和类别变量之间也要相互独立。 D: 朴素贝叶斯分类器对于小样本数据集效果不如决策树好。