首页
贝叶斯判别既没有考虑每个分类的观察值不同时，每类出现的机会是不同的，也没有考虑误判所造成的损失差异。
精华吧
→
答案
→
远程教育
→
国家开放大学
贝叶斯判别既没有考虑每个分类的观察值不同时，每类出现的机会是不同的，也没有考虑误判所造成的损失差异。
A、正确
B、错误
正确答案：B
Tag：
差异
损失
机会
时间：2024-03-21 12:15:46
上一篇：
先验概率是根据以往经验和分析得到的概率。
下一篇：
每个样本都可以用它最接近的k个邻居来代表的算法是：（）
相关答案
1.
下列关于贝叶斯判别和线性判别，说法正确的是（）
2.
通常情况下，线性判别（距离判别）一般采用马氏距离。
3.
马氏距离既受总体空间大小的影响，也受计量单位的影响，反映了按平均水平计算被判定样本到中心的相对距离。
4.
下列关于贝叶斯判别和线性判别，说法错误的是（）。
5.
下列哪一个方法适用于类域的交叉或重叠较多的待分样本集（）
6.
距离判别既没有考虑每个分类的观察值不同时，每类出现的机会是不同的，也没有考虑误判所造成的损失差异。
7.
下列关于k近邻算法的k值，说法正确的是（）
8.
如图是某数据集训练集和测试集的KNN算法的训练精度和测试精度，从图中可以判断k值取（）最为合适。
9.
下列关于KNN算法说法错误的是（）。
10.
如图分别为k=1，k=10，k=30时，训练集数据与测试集数据的分布，说法正确的是（）。
热门答案
1.
KNN算法在类别决策时，与极少量的相邻样本有关。
2.
最近邻算法中，随着近邻个数的增加，模型的复杂度增加。
3.
下列关于KNN算法说法正确的是（）。
4.
KNN算法主要靠判别类域的方法来确定所属类别的，而不是靠周围有限的邻近的样本。
5.
近邻选得多，模型则比较稳健。
6.
KNN算法在类别决策时，与极多数量的相邻样本有关。
7.
在决策树中，节点误分率越大，那么（）
8.
在决策树中，节点熵越大，那么（）
9.
KNN算法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的。
10.
（假定在某个节点）如果数据已经只有一类了，则该节点为叶节点，否则进行下一步。该算法是：（）