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。
举一反三
- 朴素贝叶斯分类器的基本算法步骤包括 A: 定问题：确定为分类（类标签已知）问题 B: 算概率：计算所有朴素贝叶斯公式中的“零部件”概率 C: 比大小：计算后验概率，归入最大后验概率类
- 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
- 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
- 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。