A.条件独立性假设不成立时,朴素贝叶斯分类器仍有可能产生最优贝叶斯分类器
B.在估计概率值时使用的拉普拉斯修正避免了因训练集样本不充分而导致概率估值为零的问题
C.由于马尔可夫链通常很快就能趋于平稳分布,因此吉布斯采样算法的收敛速度很快
D.二分类任务中两类数据满足高斯分布且方差相同时,线性判别分析产生贝叶斯最优分类器
A.属于单指数扩散加权成像
B.认为水分子扩散运动复合高斯分布
C.仅评估细胞外水分子扩散方面的作用
D.能够量化水分子扩散位移概率分布偏离高斯分布的程度
E.对b值的选择没有要求
A.惩罚了模型的复杂度,避免模型过度学习训练集,提高泛化能力
B.剃刀原理:如果两个理论都能解释一件事情,那么较为简单的理论往往是正确的
C.正则项降低了每一次系数w更新的步伐,使参数更小,模型更简单
D.贝叶斯学派的观点,认为加入了先验分布(11拉普拉斯分布,12高斯分布),减少参数的选择空间
A.偶然误差又称为随机误差,是可以避免的
B.偶然误差是可以测定的
C.偶然误差的数值大小、正负出现的机会均等
D.偶然误差是可以通过校正的方法予以消除