Test legat de ghid · Mediu Nivel

Quiz naiv pentru clasificatorii Bayes

Verificați modul în care Naive Bayes combină prioritățile de clasă și probabilitățile de caracteristici și modul în care variantele sale gestionează numărările, caracteristicile binare și datele continue.

Căi de ghidare aferenteClasificatori naivi Bayes
Întrebare 1 de 8

Care este ipoteza de bază „naivă” într-un clasificator Naive Bayes?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Care este ipoteza de bază „naivă” într-un clasificator Naive Bayes?
    • Caracteristicile sunt independente condiționat, având în vedere clasa
    • Clasele sunt la fel de probabile
    • Toate caracteristicile sunt continue și distribuite normal
    • Setul de date este perfect echilibrat
  2. Pe ce teoremă este construit Naive Bayes?
    • Teorema limitei centrale
    • Bayes’ theorem
    • Legea numerelor mari
    • The Cauchy-Schwarz inequality
  3. De ce implementările însumează de obicei log-probabilitățile în loc să înmulțească probabilitățile brute?
    • Pentru a face modelul neliniar
    • Pentru a accelera antrenamentul la o singură trecere
    • Pentru a evita depășirea numerică de la înmulțirea mai multor numere mici
    • Pentru a impune independența caracteristicilor
  4. Ce problemă rezolvă netezirea Laplace (add-one)?
    • Echilibrează mărimea claselor
    • Normalizează caracteristicile continue
    • Îndepărtează caracteristicile corelate
    • Împiedică o caracteristică nevăzută să forțeze o probabilitate de zero
  5. Care variantă Naive Bayes este cea mai naturală pentru caracteristicile de numărare a cuvintelor din documente?
    • Bayes naiv multinomial
    • Bayes naiv gaussian
    • Bernoulli naiv Bayes
    • Bayes liniar naiv
  6. Why might Naive Bayes be useful as a lightweight baseline?
    • Acesta garantează cea mai bună acuratețe pentru orice set de date
    • Este rapid, interpretabil și funcționează bine cu puține date
    • Învață automat interacțiunile caracteristicilor
    • Nu necesită date de antrenament
  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