以下关于贝叶斯分类的特点的说法中正确的是?
A.将样本分到后验概率最大的那个类别中
B.贝叶斯分类是具有最小错误率的分类
C.分类决策不存在错误率
D.不需要知道先验概率
E.考虑了不同的错分类决策带来的不同的影响和后果
- · 有3位网友选择 B,占比33.33%
- · 有2位网友选择 D,占比22.22%
- · 有2位网友选择 A,占比22.22%
- · 有1位网友选择 E,占比11.11%
- · 有1位网友选择 C,占比11.11%
A.将样本分到后验概率最大的那个类别中
B.贝叶斯分类是具有最小错误率的分类
C.分类决策不存在错误率
D.不需要知道先验概率
E.考虑了不同的错分类决策带来的不同的影响和后果
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
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.贝叶斯网络克服了朴素贝叶斯特征之间相关的不足。
B.贝叶斯网络设计过程中主要是根据领域知识确定贝叶斯网络结构、确定网络参数(条件概率表)。
C.贝叶斯网络变量之间的因果关系和相应的概率部分是人工专家指定,不需要样本训练。
D.贝叶斯网络的参数主要是条件概率表中的概率值,可以使用最大似然估计或贝叶斯估计等方法。
A.朴素贝叶斯分类器的变量必须是非连续性变量。
B.朴素贝叶斯模型分类时需要计算属于各种类别的概率,取其中概率最大的类别最为分类预测值。
C.朴素贝叶斯模型中的特征和类别变量之间也要相互独立。
D.朴素贝叶斯分类器对于小样本数据集效果不如决策树好。
A.贝叶斯网络结构可以由机器自动完成。
B.贝叶斯网络的搭建需要考虑变量之间的因果关系,这是贝叶斯网络推理的基础。
C.作为一种监督学习算法,贝叶斯网络也需要大量的样本分析变量之间的概率。
D.贝叶斯网络的推理只能由原因变量,计算其联合概率,推出目标(分类)变量的条件概率,而不能由目标变量推出原因变量的可能性。
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!