对于多项式和高斯贝叶斯分类器，以下选项是正确的：

- **A: 多项式只能处理类别型的特征**
- **正确。** 多项式贝叶斯分类器通常用于处理离散特征，特别是文本分类等场景，其中特征值是离散的（如词频）。它假设特征服从多项分布，因此适合用于类别型数据。

- **C: 高斯贝叶斯是假设在某个标签的类别里各个特征的分布是高斯分布**
- **正确。** 高斯贝叶斯分类器假设每个类别的每个特征服从高斯分布。这使得它适用于处理连续特征，因为高斯分布是连续分布。

### 分析

- **B: 多项式可以处理连续型的特征**
- **错误。** 多项式贝叶斯不适合处理连续特征。对于连续特征，通常使用高斯贝叶斯分类器。

- **D: 多项式处理类别型的特征效果比连续型的特征效果好**
- **正确。** 由于多项式贝叶斯模型假设特征服从多项分布，尤其在处理离散类别型数据（如文本数据）的效果较好，而不适用于连续数据。

### 总结

| 选项 | 是否正确 | 解释 |
|---|---|---|
| A | ✔ | 适用于类别型特征 |
| B | ✘ | 不能处理连续型特征 |
| C | ✔ | 假设特征服从高斯分布 |
| D | ✔ | 在类别型特征上效果更好 |

以上分析结合了多项式与高斯贝叶斯的假设和应用场景。