| 一种基于贝叶斯测度的有监督离散化方法 |
| |
| 引用本文： | 李海军,王钲旋,王利民,苑森淼.一种基于贝叶斯测度的有监督离散化方法[J].仪器仪表学报,2005,26(8):786-789. |
| |
| 作者姓名： | 李海军 王钲旋 王利民 苑森淼 |
| |
| 作者单位： | 烟台大学计算机学院 烟台264005
(李海军)，吉林大学计算机科学与技术学院 长春130012
(王钲旋，王利民)，吉林大学计算机科学与技术学院 长春130012(苑森淼) |
| |
| 基金项目： | 系国家自然科学基金项目(60275026)资助. |
| |
| 摘 要： | 传统的朴素贝叶斯不能处理连续属性,文中基于贝叶斯测度提出一种有监督离散化方法。它能够在无先验知识的前提下,自动寻求最佳的离散子区间数目和区间划分。在此基础上根据MDL准则控制离散化子区间的数目,使学习方法的精确度和复杂度达到均衡。在UCI机器学习数据集上对该方法进行了验证,取得了良好的效果。
|
| 关 键 词： | 机器学习 朴素贝叶斯 有监督离散化 贝叶斯测度 |
| 修稿时间： | 2003年12月1日 |
A New Supervised Discretization Method Based on Bayes Measure |
| |
| Li Haijun Wang Zhengxuan Wang Limin Yuan Senmiao.A New Supervised Discretization Method Based on Bayes Measure[J].Chinese Journal of Scientific Instrument,2005,26(8):786-789. |
| |
| Authors: | Li Haijun Wang Zhengxuan Wang Limin Yuan Senmiao |
| |
| Affiliation: | Li Haijun~1 Wang Zhengxuan~2 Wang Limin~2 Yuan Senmiao~2~1 |
| |
| Abstract: | Standard naive Bayes can not handle continuous attributes. A new supervised discretization method is proposed, which is based on Bayes measure to automatically find the most appropriate boundaries for discretization and the number of intervals. At the same time, it embodies tradeoff between the accuracy and the complexity of the learned discretization by applying MDL principle. Experimental results on UCI data sets indicate that the classification accuracy is substantially improved. |
| |
| Keywords: | Machine learning Naive Bayes Supervised discretization Bayes measure |
| 本文献已被 CNKI 维普 等数据库收录！ |
