Naive Bayes Quiz

Xác suất Bayes là gì?

• Xác suất Bayes không liên quan đến việc tính toán xác suất

• Xác suất Bayes là phương pháp tính xác suất của một sự kiện dựa trên thông tin trước đó hoặc điều kiện liên quan đến sự kiện đó.

• Xác suất Bayes là phương pháp dự đoán chính xác một sự kiện không cần thông tin trước đó

• Xác suất Bayes chỉ áp dụng cho các sự kiện độc lập

Phân loại đa lớp trong Naive Bayes là gì?

• Phân loại đa lớp trong Naive Bayes là quá trình phân loại dữ liệu thành một lớp duy nhất

• Phân loại đa lớp trong Naive Bayes là việc chia dữ liệu thành hai lớp duy nhất

• Phân loại đa lớp trong Naive Bayes là quá trình phân loại dữ liệu vào ba hoặc nhiều hơn ba lớp khác nhau.

• Phân loại đa lớp trong Naive Bayes là việc chia dữ liệu thành nhiều lớp nhưng không quá ba lớp

Mô hình Gaussian Naive Bayes hoạt động như thế nào?

• Mô hình Gaussian Naive Bayes không sử dụng xác suất để dự đoán lớp của mỗi điểm dữ liệu

• Mô hình Gaussian Naive Bayes giả định rằng các đặc trưng đầu vào tuân theo phân phối Gaussian và sử dụng xác suất để dự đoán lớp của mỗi điểm dữ liệu.

• Mô hình Gaussian Naive Bayes không cần giả định về phân phối của dữ liệu đầu vào

• Mô hình Gaussian Naive Bayes sử dụng hồi quy tuyến tính để dự đoán lớp của mỗi điểm dữ liệu

Mô hình Multinomial Naive Bayes được sử dụng trong trường hợp nào?

• Trường hợp phân loại hình ảnh

• Trường hợp xử lý văn bản và phân loại email spam.

• Trường hợp xử lý âm thanh

• Trường hợp dự đoán giá cổ phiếu

Mô hình Bernoulli Naive Bayes dựa vào đặc điểm nào để phân loại?

• Tần suất xuất hiện của từng đặc trưng

• Sự xuất hiện hoặc không xuất hiện của từng đặc trưng trong mỗi lớp.

• Sự tương quan giữa các đặc trưng

• Khoảng cách giữa các đặc trưng

Làm thế nào để tính xác suất của một lớp trong Naive Bayes?

• Sử dụng công thức Bayes để tính xác suất có điều kiện của lớp dựa trên các đặc trưng của mẫu dữ liệu và chọn lớp có xác suất cao nhất là kết quả dự đoán.

• Sử dụng phương pháp K-means để tính xác suất

• Chọn ngẫu nhiên một lớp làm kết quả dự đoán

• Tính trung bình xác suất của tất cả các lớp

Tại sao mô hình Naive Bayes được gọi là 'naive'?

• Bởi vì nó là một mô hình phức tạp

• Bởi vì nó giả định sự độc lập giữa các đặc trưng

• Bởi vì nó không được sử dụng trong ứng dụng thực tế

• Bởi vì nó giả định sự phụ thuộc lẫn nhau giữa các đặc trưng

Mô hình Gaussian Naive Bayes giả định gì về phân phối của dữ liệu?

• Dữ liệu tuân theo phân phối Poisson

• Dữ liệu tuân theo phân phối đều (uniform)

• Dữ liệu được giả định tuân theo phân phối Gaussian (phân phối chuẩn).

• Dữ liệu tuân theo phân phối Exponential

Mô hình Multinomial Naive Bayes sử dụng đặc trưng nào để phân loại?

• Tần suất xuất hiện của từng từ trong văn bản

• Thứ tự xuất hiện của từng từ trong câu

• Tần suất xuất hiện của từng chữ số trong dữ liệu

• Kích thước của văn bản

Mô hình Bernoulli Naive Bayes thích hợp cho loại dữ liệu nào?

• Dữ liệu dạng hình ảnh

• Dữ liệu nhị phân

• Dữ liệu dạng âm thanh

• Dữ liệu dạng chuỗi ký tự