朴素贝叶斯的一个有趣的特征是，它适用于非常大的数据集。
A: 正确
B: 错误
A: 正确
B: 错误
B
举一反三
- 朴素贝叶斯的一个有趣的特征是，它适用于非常大的数据集。（）
- 朴素贝叶斯适用于小规模数据集,逻辑回归适用于大规模数据集。
- 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
- 在扩展库sklearn.naive_bayes中提供了三种朴素贝叶斯算法，分别是伯努利朴素贝叶斯BernoulliNB、高斯朴素贝叶斯GaussianNB和多项式朴素贝叶斯MultinomialNB，分别适用于伯努利分布（又称二项分布或0-1分布）、高斯分布（也称正态分布）和多项式分布的数据集。
- 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
内容
- 0
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。
- 1
为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类优缺点。
- 2
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
- 3
为什么朴素贝叶斯称为“朴素”?请简述朴素贝叶斯分类的主要思想
- 4
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