ナイーブベイズ分類器の前提条件

ベイズの定理を適用する際、各特徴量間の相関を無視し「クラスが与えられれば特徴量同士は独立である」と仮定することで、同時確率の計算を各特徴量の確率の単純な積に分解できます。 ア:正解です。現実には特徴量間に相関があっても条件付き独立を仮定するため「ナイーブ」と呼ばれます。 イ:誤りです。正規分布を仮定するガウシアンナイーブベイズもありますが、ナイーブの本質は独立性仮定です。 ウ:誤りです。事前確率は訓練データにおける各クラスの出現頻度から推定されます。 エ:誤りです。未知語に対してはラプラススムージング(加算スムージング)などで確率が0になるのを防ぎます。

テキスト分類やスパムフィルタで古くから利用されるナイーブベイズ(単純ベイズ)分類器の「ナイーブ(単純)」と呼ばれる根拠となる仮定として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
与えられたクラスの下で、各特徴量(単語の出現等)が互いに「条件付き独立」であるという仮定。
イ
すべての特徴量が正規分布に従い、平均と分散が完全に一致しているという仮定。
ウ
事前確率がすべてのクラスで常に均等(一様分布)であるという仮定。
エ
学習データに欠損値や未知語が一切含まれていないという仮定。