数据分析面试机器学习总结之常见的贝叶斯面试题解析

阅读前请注意此处 👉：博主目前正处于数据分析学习阶段，本博客内容为学习过程中的部分总结，同时也希望与各位共同成长。在记录过程中，难免存在疏漏与不完善之处，若发现任何问题，欢迎私信博主进行指正。
博客链接：天阑之蓝的博客，在学习过程中难免会遇到困惑与迷茫，愿我们都能在这一阶段中不断认可自我、突破自我，最终实现自我价值。

目录

• • 1、朴素贝叶斯的基本理论
    • 2、为何称朴素贝叶斯为“朴素”？
    • 3、朴素贝叶斯属于生成模型，它与判别模型（如逻辑回归）之间的差异是什么？
    • 4、写出全概率公式及贝叶斯公式
    • 5、最大似然估计与最大后验估计之间存在哪些不同？
    • 6、描述朴素贝叶斯的运行过程是怎样的
    • 7、分析朴素贝叶斯的优势与不足之处
    • 8、“朴素”这一特性在预测过程中构成了其缺陷，但为何在实际应用中，该模型仍能表现出良好的预测能力？
    • 9、在朴素贝叶斯中是否存在可供调节的超参数？
    • 10、你了解朴素贝叶斯有哪些实际应用场景吗？
    • 11、你认为朴素贝叶斯对异常数据是否具有较高的敏感性？
    • 12、在计算条件概率P(X|Y)时，若某事件的概率为零，应如何处理这种情况？
    • 13、判断朴素贝叶斯是属于高方差还是低方差的模