朴素贝叶斯模型对缺失数据敏感是优点还是缺点

朴素贝叶斯模型对缺失数据敏感是缺点。因为朴素贝叶斯模型假设各个特征之间是独立的，如果某个特征的值缺失，那么这个特征对于分类的影响就无法计算，从而影响整个模型的准确性。解决方法可以是使用缺失值填充或者删除含有缺失值的样本，但这都会带来一定的信息损失。因此，在使用朴素贝叶斯模型时，应当尽可能地避免缺失值的出现，或者选择其他更适合处理缺失数据的模型。