哪些分类模型算法可以用于垃圾邮件的分类和判断()
A.贝叶斯判别
B.随机森林
C.决策树
D.Apriori
- · 有4位网友选择 D,占比44.44%
- · 有2位网友选择 AC,占比22.22%
- · 有2位网友选择 C,占比22.22%
- · 有1位网友选择 ABC,占比11.11%
A.贝叶斯判别
B.随机森林
C.决策树
D.Apriori
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。
A.随机森林算法的分类精度不会随着决策树数量的增加而提高。
B.随机森林算法对异常值和缺失值不敏感。
C.随机森林算法不需要考虑过拟合问题。
D.决策树之间相关系数越低、每棵决策树分类精度越高的随机森林模型的分类效果越好。
A.随机森林既可以做分类,也可以做回归分析。
B.与单颗决策树模型相比,随机森林不容易产生过拟合。
C.与单颗决策树相比,随机森林需要更多的特征工程。
D.随机森林模型的准确率取决于少数准确度较好的少数决策树模型。
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!