一种局部属性加权朴素贝叶斯分类算法
张伟
王志海
原继东
刘海洋
1.北京交通大学计算机与信息技术学院,北京,1000442.北京交通大学计算机与信息技术学院,北京,1000443.北京交通大学计算机与信息技术学院,北京,1000444.北京交通大学计算机与信息技术学院,北京,100044
摘要：朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了每个测试实例所具有的特点,同时从整个训练集上学习到的属性权重并不能准确反映每个属性对待分类实例的影响.为此提出一种基于数据驱动的懒惰式局部属性加权方法,它在每个测试实例的近邻集合上学习属性权重,并通过最优化方法建立相应的局部属性加权朴素贝叶斯模型.实验结果表明:和当前常见的准朴素贝叶斯模型相比,本文模型具有较高的分类准确率.
关键词：朴素贝叶斯懒惰式属性加权局部加权
分类号：TP18(自动化基础理论)
资助基金：国家自然科学基金(61771058)国家自然科学基金(61672086)国家自然科学基金(61702030)北京市自然科学基金(4182052)中央高校基本科研业务费专项资金(2017YJS036)National Natural Science Foundation of China(61771058)National Natural Science Foundation of China(61672086)National Natural Science Foundation of China(61702030)Beijing Municipal Natural Science Foundation(4182052)Fundamental Research Funds for the Central Universities(2017YJS036)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 14-21 )
英文信息