样本-属性加权的朴素贝叶斯改进算法 |
| |
引用本文: | 曾文赋. 样本-属性加权的朴素贝叶斯改进算法[J]. 微型机与应用, 2014, 0(6): 62-63,67 |
| |
作者姓名: | 曾文赋 |
| |
作者单位: | ;1.福建省福州第一中学 |
| |
摘 要: | 朴素贝叶斯算法是一种简单、高效且有着广泛应用的分类方法,但在现实中,条件独立性假设影响了其分类性能。为克服该问题,给出一种改进算法——样本-属性加权的朴素贝叶斯算法。首先,对属性计算相关系数得到属性权值;其次,利用属性权结合信息熵获得样本熵权,并据此加权样本以提高泛化能力;然后,给出了样本-属性加权的朴素贝叶斯算法;最后,在UCI数据集上的实验结果验证了改进算法比原算法具有更好的分类性能。
|
关 键 词: | 朴素贝叶斯 样本-属性加权 条件独立性假设 |
Sample-attribute weighted improved naive Bayesian algorithm |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|