以下哪种算法是基于概率模型的分类方法？A. 神经网络B. 逻辑回归C. 朴素贝叶斯D. K均值算法

考查要点：本题主要考查对常见机器学习算法核心原理的理解，特别是区分概率模型与非概率模型的分类方法。

解题核心思路：

1. 概率模型的分类方法通常基于概率论，通过计算类别或参数的概率进行预测（如贝叶斯定理）。
2. 非概率模型则不显式计算概率，而是通过几何、距离、规则等方式划分类别。
3. 需结合各算法的核心原理判断是否基于概率模型。

破题关键点：

• 逻辑回归通过logit函数输出概率，明确基于概率建模。
• 朴素贝叶斯直接应用贝叶斯定理计算后验概率。
• 其余选项（神经网络、K均值）不基于概率模型。

选项分析

A. 神经网络

• 神经网络通过调整权重最小化损失函数，分类结果可通过softmax输出概率，但本质是函数拟合而非概率建模。
• 非概率模型。

B. 逻辑回归

• 核心公式为 $P(y=1|\mathbf{x}) = \sigma(\mathbf{w}^T\mathbf{x}+b)$，直接建模类别概率。
• 基于概率模型。

C. 朴素贝叶斯

• 应用贝叶斯定理：$P(y|\mathbf{x}) = \frac{P(\mathbf{x}|y)P(y)}{P(\mathbf{x})}$，假设特征独立。
• 基于概率模型。

D. K均值算法

• 聚类算法，通过距离度量划分簇，无概率计算。
• 非概率模型。