贝叶斯方法是监督学习的集合基于假设每对特征之间都是独立的贝叶斯理论，应用于文档分类和垃圾邮件过滤，对应的python分析包名称为（）
A: sklearn.linear_model
B: sklearn.neighbors
C: sklearn.gaussian_process
D: sklearn.naive_bayes
A: sklearn.linear_model
B: sklearn.neighbors
C: sklearn.gaussian_process
D: sklearn.naive_bayes
举一反三
- 机器学习扩展库sklearn的naive_bayes模块提供了朴素贝叶斯算法的实现。
- 机器学习扩展库sklearn的naive_bayes模块提供了朴素贝叶斯算法的实现。 A: 正确 B: 错误
- sklearn可以进行的机器学习算法有哪些? A: 数据归一化 B: 决策树 C: k近邻算法 D: 朴素贝叶斯算法
- 下列关于sklearn说法错误的是（） A: sklearn全称 B: sklearn在 C: sklearn的 D: sklearn需要
- 下列关于sklearn说法错误的是()。 A: sklearn全称为scikit-learn B: sklearn在官网被分为7大块 C: sklearn的聚类算法几乎都已经放在cluster模块中了 D: sklearn需要Numpy和Scipy库的支持