朴素贝叶斯方法是贝叶斯网络的一个特例,也被称为()贝叶斯网络,
A: 0-相关
B: 1-相关
C: k-相关
D: 不相关
A: 0-相关
B: 1-相关
C: k-相关
D: 不相关
举一反三
- 下面有关贝叶斯网络认识错误的是？ 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。
- 贝叶斯网络的三个主要议题是 A: 贝叶斯网络预测、诊断、学习 B: 贝叶斯网络添加、修改、删除 C: 贝叶斯网络查找、遍历、标记 D: 贝叶斯网络抽象、建模、实施
- 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。
- 关于贝叶斯网络，以下说法正确的是：（ ） A: 贝叶斯网络又称信念网络 B: 贝叶斯网络是有向无环图模型 C: 贝叶斯网络是无向有环图模型 D: 贝叶斯网络是一种概率图模型
- 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