如果结果不匹配，请 
更多“朴素贝叶斯算法不需要样本特征之间的独立同分布()。”相关的问题
第2题
sklearn.naivebayes模块实现了朴素贝叶斯算法，基于贝叶斯定理和特征独立性假设的监督学习方法，下列哪个模型不是朴素贝叶斯分类器的模型（）。
A.BernoulliNB（）
B.GaussianN（）
C.NeighborsNB（）
D.MultinomialNB（）
第3题
以下说法正确的是（）。
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
第4题
（）的基本想法是适当考虑一部分属性间的相互依赖信息，从而既不需要进行完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系。
A.贝叶斯判定准则
B.贝叶斯决策论
C.朴素贝叶斯分类器
D.半朴素贝叶斯分类器
