传统分类方法包括()。A. 贝叶斯算法B. 支持向量机C. 逻辑回归D. 决策树E. 随机森林

考查要点：本题主要考查对传统分类方法的识别能力，需要明确区分传统机器学习算法与现代深度学习方法的界限。
解题核心：传统分类方法通常指基于统计学习理论、不依赖深度神经网络的算法，如贝叶斯、支持向量机、逻辑回归、决策树及其集成方法。
关键点：需熟悉各选项算法的基本原理和应用场景，判断其是否属于经典分类方法。

传统分类方法是机器学习中的基础算法，以下逐一分析选项：

1. 贝叶斯算法
   以贝叶斯定理为基础，通过计算后验概率进行分类，典型代表为朴素贝叶斯，广泛用于文本分类、垃圾邮件检测等场景。

2. 支持向量机（SVM）
   通过寻找最大间隔超平面实现分类，适用于高维数据且具有良好的泛化能力。

3. 逻辑回归
   虽然名称含“回归”，但本质上是二分类算法，通过sigmoid函数将结果压缩到(0,1)，常用于概率预测。

4. 决策树
   通过树状结构进行特征分裂和分类，如C4.5、ID3等，具有可解释性高、易于实现的特点。

5. 随机森林
   基于决策树的集成学习方法，通过投票或平均减少过拟合，提升分类性能。

结论：所有选项均属于传统分类方法。