3.2.2《朴素贝叶斯分类器的类型》-课后作业 粤教版（2019）-信息技术-人工智能初步选修4

《朴素贝叶斯分类器的类型》作业 一、选择题 1. 朴素贝叶斯分类器中，哪一种假设所有特征在给定类别下是条件独立的？ A. 高斯朴素贝叶斯 B. 多项式朴素贝叶斯 C. 伯努利朴素贝叶斯 D. 所有上述选项 答案：D 解析：朴素贝叶斯分类器的“朴素”之处在于它假设所有特征在给定类别下是条件独立的。这一假设在高斯朴素贝叶斯、多项式朴素贝叶斯和伯努利朴素贝叶斯中都存在。 2. 对于文本分类问题，以下哪种朴素贝叶斯分类器通常表现较好？ A. 高斯朴素贝叶斯 B. 多项式朴素贝叶斯 C. 伯努利朴素贝叶斯 D. 所有上述选项 答案：C 解析：伯努利朴素贝叶斯分类器适用于文本分类问题，因为它假设特征（单词）的出现是二元的（即出现或不出现），这在处理文本数据时非常常见。 3. 当特征是连续值且服从正态分布时，应该使用哪种朴素贝叶斯分类器？ A. 高斯朴素贝叶斯 B. 多项式朴素贝叶斯 C. 伯努利朴素贝叶斯 D. 所有上述选项 答案：A 解析：高斯朴素贝叶斯分类器适用于特征是连续值且服从正态分布的情况。它使用高斯分布来估计每个特征的概率。 4. 多项式朴素贝叶斯分类器适用于哪种类型的数据？ A. 离散且无序的数据 B. 连续且有序的数据 C. 离散且有序的数据 D. 所有上述选项 答案：A 解析：多项式朴素贝叶斯分类器适用于离散且无序的数据，如文本中的单词计数。它假设特征值是整数计数，并使用多项式分布来估计概率。 5. 在朴素贝叶斯分类器中，哪个公式用于计算后验概率？ A. P(x|y) = P(y|x) P(x) / P(y) B. P(y|x) = P(x|y) P(y) / P(x) C. P(x, y) = P(x|y) P(y) D. P(y|x) = P(x|y) P(y|x) 答案：B 解析：朴素贝叶斯分类器的目标是计算后验概率P(y|x)，即给定输入特征x时类别y的概率。根据贝叶斯定理，这个概率可以通过先验概率P(y)和似然概率P(x|y)来计算，即P(y|x) = P(x|y) P(y) / P(x)。 二、填空题 6. 朴素贝叶斯分类器基于_____定理，通过计算先验概率和似然概率来估计后验概率。 答案：贝叶斯 解析方法：朴素贝叶斯分类器是基于贝叶斯定理的一种概率分类方法，它通过计算先验概率（即类别的无条件概率）和似然概率（即给定类别下特征的条件概率）来估计后验概率（即给定特征下类别的条件概率）。 7. 在高斯朴素贝叶斯分类器中，假设特征服从_____分布。 答案：正态/高斯 解析方法：高斯朴素贝叶斯分类器假设每个特征都服从正态（高斯）分布，并使用这些分布的参数来估计特征在给定类别下的似然概率。 8. 多项式朴素贝叶斯分类器适用于特征值为_____的情况。 答案：整数计数 解析方法：多项式朴素贝叶斯分类器适用于特征值为整数计数的情况，如文本中的单词频率。它假设每个特征的值都是非负整数，并使用多项式分布来估计这些值的概率。 9. 伯努利朴素贝叶斯分类器假设特征是_____变量。 答案：二元/布尔 解析方法：伯努利朴素贝叶斯分类器假设每个特征都是二元（布尔）变量，即特征只有两种可能的值（例如，单词在文档中出现或不出现）。 10. 在朴素贝叶斯分类器中，如果某个特征在训练集中从未出现过，那么该特征的似然概率将被设置为_____。 答案：0 解析方法：在朴素贝叶斯分类器中，如果某个特征在训练集中从未出现过，那么该特征的似然概率将被视为0，因为这意味着该特征对于区分不同类别没有任何信息量。 11. 朴素贝叶斯分类器的优点是计算简单且对_____数据表现良好。 答案：小数据集 解析方法：朴素贝叶斯分类器的一个显著优点是它计算简单且对小数据集表现良好。由于其基于概率的特性，即使在数据量较小的情况下也能获得不错的性能。 12. 朴素贝叶斯分类器的缺点之一是它假设特征之间是_____独立的。 答案：条件 解析方法：朴素贝叶斯分类器的一个主要缺点是它假设特征之间是条件独立的，这在现实中往往不成立 ... ...