下面有关贝叶斯分类算法的认识错误的是()
A: 贝叶斯分类算法是用贝叶斯公式计算样本属于各种类别的后验概率,以后验概率最大的为预测类别
B: 贝叶斯分类算法要求样本的特征必须是离散特征
C: 贝叶斯分类算法先根据训练样本计算相关的先验概率, 再计算待预测样本特征条件下的分类的后验概率
D: 贝叶斯分类算法可用于垃圾邮件分类、微博用户情感的识别等场景
A: 贝叶斯分类算法是用贝叶斯公式计算样本属于各种类别的后验概率,以后验概率最大的为预测类别
B: 贝叶斯分类算法要求样本的特征必须是离散特征
C: 贝叶斯分类算法先根据训练样本计算相关的先验概率, 再计算待预测样本特征条件下的分类的后验概率
D: 贝叶斯分类算法可用于垃圾邮件分类、微博用户情感的识别等场景
B
举一反三
- 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。
- 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
- 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
- 使用朴素贝叶斯算法进行分类时，分别计算未知样本属于每个已知类的概率，然后选择其中概率最大的类作为分类结果。
- 朴素贝叶斯分类算法为（）
内容
- 0
请谈谈你对贝叶斯算法中先验概率、后验概率、条件概率的理解，以及怎么利用后验概率计算条件概率（可用公式表达）？
- 1
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
- 2
贝叶斯分类算法只能处理离散属性（ ）
- 3
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
- 4
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