朴素贝叶斯分类方法可以用于()。

A.①②

B.②③

C.①③

D.①②③

A.朴素贝叶斯分类方法可以跟决策树和神经网络算法相媲美

B.一种非常成熟的统计学分类方法

C.主要用来确定群组内部和群租间的相似度和相异度

D.主要用于分类问题的归类等

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

A.朴素贝叶斯

B.K邻近算法

C.支持向量机

D.决策树

A.朴素贝叶斯$

B.$ 感知器$

C.$ 支持向量机$

D.$ 决策树

A.分类的方法包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法

B.分类的标准统一

C.分类的结果有可能错误

D.分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型(即我们通常所说的分类器(Classifier))

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

A.Logistic回归

B.GBDT

C.Libsvm

D.朴素贝叶斯

A.C4.5

B.KNN

C.朴素贝叶斯

D.人工神经网络

A.核技巧

B.拉普拉斯平滑

C.数据标准化

D.聚类