Nave Bayes是一种特殊的Bayes分类器,特征变量是X,类别标签是C,它的一个假定是:（）A. 各类别的先验概率P(C)是相等的B. 以0为均值，sqr(2)/2为标准差的正态分布C. 特征变量X的各个维度是类别条件独立随机变量D. P(X|C)是高斯分布

Naive Bayes分类器的核心假设是本题的考查要点。该分类器基于贝叶斯定理，但引入了一个关键简化假设：特征变量在给定类别条件下相互独立。这一假设使得计算类别条件概率变得可行，尽管在实际中这一假设可能不成立（因此得名“naive”）。其他选项涉及分布形式或先验概率的假设，均属于具体应用场景的附加设定，而非Naive Bayes的基本假定。

选项分析

选项A

“各类别的先验概率P(C)是相等的”
Naive Bayes允许各类别的先验概率不同，实际应用中通常根据训练数据估计P(C)。若强行假设先验概率相等，会忽略数据的真实分布信息，因此A错误。

选项B

“以0为均值，$\sqrt{2}/2$为标准差的正态分布”
此描述对应特定场景（如高斯分布假设），但Naive Bayes本身不限定特征分布类型，仅要求满足类条件独立性。因此B错误。

选项C

“特征变量X的各个维度是类别条件独立随机变量”
此为Naive Bayes的核心假设。在给定类别$C$的条件下，假设所有特征维度相互独立，即：
$P(X_1, X_2, \dots, X_n | C) = \prod_{i=1}^n P(X_i | C).$
C正确。

选项D

“P(X|C)是高斯分布”
高斯分布是Naive Bayes在处理连续型特征时的一种常见假设（高斯Naive Bayes），但并非分类器的基本假定。Naive Bayes可适用于其他分布（如多项式分布、伯努利分布等）。因此D错误。