考虑一个输入数据是5维特征值的朴素贝叶斯二元分类器，：X 有5个特征<X1,….,X5 > ，Y 的标签（分类目标）则为两个 (Y = 1 或 Y = 0). 假设计算分类标签Y时，  𝑋 𝑖 ( 𝑖 = 1 , … , 5 )   是有条件的独立的。 亦即 𝑃 ( 𝑋 𝑖 | 𝑌 = 𝑘 )   𝑁 ( 𝜇 𝑖 𝑘 ,     𝜎 𝑖 𝑘 ) ，其中， 𝑘 = 0 , 1   以及  𝑖 = 1 , … , 5   。 𝑃 ( 𝑌 )   遵循 ， 𝐵 𝑒 𝑟 𝑛 𝑜 𝑢 𝑙 𝑙 𝑖 ( 𝜃 ;   1 − 𝜃 ) ， 亦即 𝑃 ( 𝑌 = 0 ) = 𝜃  。 此分类器中的独立参数总数为多少？   Consider a Gaussian Naive Bayes to learn a binary classifier using 5-dimensional real-valued features: X =<X1,….,X5 > and Y class label (Y = 1 or Y = 0). Assume  𝑋 𝑖 ( 𝑖 = 1 , … , 5 )   are conditionally independent given the class label Y, i.e., 𝑃 ( 𝑋 𝑖 | 𝑌 = 𝑘 )   𝑁 ( 𝜇 𝑖 𝑘 ,     𝜎 𝑖 𝑘 )   where 𝑘 = 0 , 1   and 𝑖 = 1 , … , 5 .  𝑃 ( 𝑌 )   follows  𝐵 𝑒 𝑟 𝑛 𝑜 𝑢 𝑙 𝑙 𝑖 ( 𝜃 ;   1 − 𝜃 ) 𝑖 . 𝑒 . 𝑃 ( 𝑌 = 0 ) = 𝜃   . What is the total number of independent parameters in this classifier?单项选择题