非参数估计是在知道或者假设类条件概率密度的分布形式的基础上，直接用样本集中所...

判断题非参数估计是在知道或者假设类条件概率密度的分布形式的基础上，直接用样本集中所包含的信息来估计样本的概率分布情况。

1.判断题快速k近邻算法和压缩近邻法改进了k近邻算法存在的计算量过大和存储量过大两个问题。

2.判断题极大似然估计是把估计的所有样本作为结果，把概率分布的参数作为条件，最有可能抽取到已知样本集中所有样本的概率分布参数就是极大似然的参数。

3.判断题最近邻分类器的错误率比最小错误率贝叶斯分类器的错误率低。

4.判断题贝叶斯分类器是一类典型的参数化模式识别方法。

5.判断题K近邻分类器错误率的下界是最小错误率贝叶斯分类器的错误率。

6.判断题采用贝叶斯分类原理得到的分类结果是完全正确的。

7.判断题当最小错误率贝叶斯分类的错误率最小时，最大后验概率的正确率为最大。

8.判断题当样本的类条件概率是正态分布且各类同分布的情况下，最小错误率贝叶斯分类器是线性分类器。

9.多项选择题贝叶斯分类器的训练，就是从样本集数据中估计出（）。

A.先验概率
B.类条件概率
C.后验概率
D.全概率

10.多项选择题以下哪些预测问题可以用贝叶斯分类器来处理？（）

A.天气预报
B.股票预测
C.彩票号码预测
D.分子运动方向预测