مسابقة مصنفات ساذجة بايز

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو الافتراض الأساسي "الساذج" في مصنف Naive Bayes؟
   • الميزات مستقلة بشكل مشروط بالنظر إلى الفصل
   • الطبقات من المرجح على قدم المساواة
   • جميع الميزات مستمرة وموزعة بشكل طبيعي
   • مجموعة البيانات متوازنة تماما
2. ما هي النظرية التي بني عليها Naive Bayes؟
   • نظرية الحد المركزي
   • Bayes’ theorem
   • قانون الأعداد الكبيرة
   • The Cauchy-Schwarz inequality
3. لماذا تقوم التطبيقات عادةً بجمع احتمالات السجل بدلاً من مضاعفة الاحتمالات الأولية؟
   • لجعل النموذج غير خطي
   • لتسريع التدريب لتمريرة واحدة
   • لتجنب التدفق الرقمي من مضاعفة العديد من الأرقام الصغيرة
   • لفرض استقلال الميزة
4. ما هي المشكلة التي يحلها تجانس لابلاس (الإضافة)؟
   • إنه يوازن بين أحجام الفصول الدراسية
   • يعمل على تطبيع الميزات المستمرة
   • يزيل الميزات المرتبطة
   • يمنع ميزة غير مرئية من فرض احتمال صفر
5. ما هو متغير Naive Bayes الأكثر طبيعية لميزات عدد الكلمات في المستندات؟
   • متعدد الحدود ساذج بايز
   • غاوسي ساذج بايز
   • برنولي نايف بايز
   • الخطي الساذج بايز
6. Why might Naive Bayes be useful as a lightweight baseline?
   • فهو يضمن أفضل دقة في أي مجموعة بيانات
   • إنه سريع وقابل للتفسير ويعمل بشكل جيد مع القليل من البيانات
   • يتعلم تلقائيًا تفاعلات الميزات
   • لا يتطلب أي بيانات التدريب
7. What distribution does Gaussian Naive Bayes assume for each feature within a class?
   • A uniform distribution over every possible value
   • A multinomial distribution over word counts
   • A Gaussian (normal) distribution
   • A distribution that is always exactly zero
8. Which feature representation fits Bernoulli Naive Bayes most naturally?
   • The number of times each word occurs
   • A continuous pixel intensity modeled by a normal curve
   • A sequence of audio frames
   • Whether each word is present or absent in a document