“朴素贝叶斯分类器”这个名称为什么使用“朴素”一词？
得到的概率过小，为使算法有效，需要进行标准化。
我们假设特征为独立事件，尽管也许并不如此。
当数据过于庞大时，算法训练时间过长。
相比 L2 范数正则化，L1 范数正则化的优势是什么？
它的速度更快。
当数据十分密集时，也即当数值为 0 的列不多时，它的表现更好。
它同等对待所有权值。
它将许多权值转换为 0，只留下最重要的权值，以帮助筛选特征。
下面哪个操作可以在随机森林分类器中减少过拟合？
增加树的数量
增加树的深度
减少叶子的阈值
哪些模型可以用于非二元分类？（请选择所有正确选项）
逻辑回归
决策树
随机森林
线性回归
提升树