나이브 베이즈 분류자 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Naive Bayes 분류기의 핵심 '순진한' 가정은 무엇입니까?
   • 기능은 클래스에 따라 조건부 독립입니다.
   • 클래스의 확률은 동일합니다.
   • 모든 특성은 연속적이고 정규 분포를 따릅니다.
   • 데이터 세트가 완벽하게 균형을 이루고 있습니다.
2. Naive Bayes는 어떤 정리를 기반으로 합니까?
   • 중심 극한 정리
   • Bayes’ theorem
   • 큰 수의 법칙
   • The Cauchy-Schwarz inequality
3. 구현 시 일반적으로 원시 확률을 곱하는 대신 로그 확률을 합산하는 이유는 무엇입니까?
   • 모델을 비선형으로 만들려면
   • 단일 패스로 훈련 속도를 높이려면
   • 여러 개의 작은 숫자를 곱하여 숫자 언더플로를 방지하려면
   • 기능 독립성을 강화하려면
4. Laplace(추가 기능) 평활화는 어떤 문제를 해결합니까?
   • 학급 규모의 균형을 유지합니다.
   • 연속 특성을 정규화합니다.
   • 상관된 기능을 제거합니다.
   • 보이지 않는 기능이 확률을 0으로 만드는 것을 방지합니다.
5. 문서의 단어 수 기능에 가장 자연스러운 Naive Bayes 변형은 무엇입니까?
   • 다항식 나이브 베이즈
   • 가우스 나이브 베이즈
   • 베르누이 나이브 베이즈
   • 선형 나이브 베이즈
6. Why might Naive Bayes be useful as a lightweight baseline?
   • 모든 데이터세트에서 최고의 정확성을 보장합니다.
   • 빠르고 해석이 가능하며 적은 데이터로도 잘 작동합니다.
   • 기능 상호 작용을 자동으로 학습합니다.
   • 학습 데이터가 필요하지 않습니다.
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