朴素贝叶斯模型假设属性之间相互独立,这个假设在实际应用中往往是不成立的,在属性相关性较小时,朴素贝叶斯性能良好。而在属性个数比较多或者属性之间相关性较大时,分类效果不好。（）

A.贝叶斯定理

B.贝叶斯统计

C.朴素贝叶斯方法

D.贝叶斯分类器

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

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.是一种概率分类器

B.利用贝叶斯公式将样本属于某个类别的概率转换为后验概率来计算

C.所谓“朴素”假设，即是简单样本的假设

D.所谓“朴素”假设，即是样本特征（属性）的条件独立假设

A.简化

B.朴素

C.分类

D.统计

A.以0为均值，sqr(2)/2为标准差的正态分布

B.P(XIC)是高斯分布

C.特征变量x的各个属性之间互相独立

D.各类别的先验概率P(C)是相等的