机器学习面试题汇总(贝叶斯相关)

机器学习面试题汇总(贝叶斯相关)

贝叶斯面试题

1.简述朴素贝叶斯算法原理和工作流程

2.什么是先验概率和后验概率？

3.什么是条件概率？

4.为什么朴素贝叶斯如此“朴素”？

5.什么是贝叶斯决策理论？

6.朴素贝叶斯算法的前提假设是什么？

7.为什么属性独立性假设在实际情况中很难成立，但朴素贝叶斯仍能取得较好的效果?

8.朴素贝叶斯可以做多分类吗？

9.什么是朴素贝叶斯中的零概率问题？如何解决？

10.朴素贝叶斯中概率计算的下溢问题如何解决？

11.朴素贝叶斯分类器对异常值敏感吗?

12.当数据的属性是连续型变量时，朴素贝叶斯算法如何处理？

13.朴素贝叶斯算法对缺失值敏感吗？

14.朴素贝叶斯有哪几种常用的分类模型？

15.朴素贝叶斯算法中使用拉普拉斯平滑，拉普拉斯因子的大小如何确定？

16.为什么说朴素贝叶斯是高偏差低方差？

17.朴素贝叶斯为什么时候增量计算？

18.高度相关的特征对朴素贝叶斯有什么影响？

19.朴素贝叶斯的应用场景有哪些？

20.朴素贝叶斯有什么优缺点？

 

---

面试题答案总结请扫描小程序码在面试题相关小程序中查看：

 

---

获取更多校园招聘资讯请关注校园招聘公众号校招辅助(xiaozhaofuzhu):