朴素贝叶斯对缺失值敏不敏感,为什么( )
A: 缺失的数据在建模时将被忽略,不影响类条件概率的计算
B: 在预测时,不影响预测最终结果。
C: 朴素贝叶斯对缺失值是敏感的
D: 朴素贝叶斯算法对缺失值不敏感,能够处理缺失的数据,在算法的建模时和预测时数据的属性都是单独处理的。
A: 缺失的数据在建模时将被忽略,不影响类条件概率的计算
B: 在预测时,不影响预测最终结果。
C: 朴素贝叶斯对缺失值是敏感的
D: 朴素贝叶斯算法对缺失值不敏感,能够处理缺失的数据,在算法的建模时和预测时数据的属性都是单独处理的。
举一反三
- 朴素贝叶斯的优点不包括( ) A: 算法逻辑简单,易于实现 B: 分类过程中时空开销小 C: 对缺失数据不太敏感,算法也比较简单,常用于文本分类 D: 朴素贝叶斯模型对输入数据的表达形式很敏感
- 下列关于朴素贝叶斯说法正确的是( )。 A: 对缺失值敏感 B: 对小规模数据表现良好 C: 对异常值敏感 D: 不需要获得先验分布
- 下列属于朴素贝叶斯缺点的是()。 A: 对缺失数据不太敏感 B: 分类效果不稳定 C: 先验模型可能导致结果不佳 D: 不适合增量式训练
- 下列关于朴素贝叶斯的特点说法错误的是( ) A: 朴素贝叶斯模型发源于古典数学理论,数学基础坚实 B: 朴素贝叶斯模型无需假设特征条件独立 C: 朴素贝叶斯处理过程简单,分类速度快 D: 朴素贝叶斯对小规模数据表现较好
- 原始的朴素贝叶斯只能处理离散数据,当x1,...,xn是连续变量时,我们可以使用()完成分类任务 A: 贝叶斯定理 B: 半朴素贝叶斯 C: 拉普拉斯平滑处理 D: 高斯朴素贝叶斯