基于改进统计学独立性的连续属性值划分方法
毛明扬
广州华商学院数据科学学院 广州 511300
摘要：论文提出基于改进统计学独立性的连续属性值划分方法APA-SI(Attributes Partition Approach based on Statis-tical Independence).APA-SI方法基于统计学法则,既考虑到了两个合并区间的变化的自由度的影响,同时还考虑到数据分配时候变化的影响.通过模拟实验,以银行金融行业的信用风险评估应用作为示例评估连续属性值的划分方法APA-SI的效果.实验结果表明论文的APA-SI划分方法在C4.5决策树算法、朴素贝叶斯算法、SVM算法中可以完成连续属性值的划分,比已经有的EFD、MDLP、Extended Chi2等方法划分精度要好.
关键词：连续属性值划分方法分类算法数据挖掘机器学习
分类号：TP391.1(计算技术、计算机技术)
资助基金：国家自然科学基金(61403219)广州华商学院校级导师制科研项目(2022HSDS07)广东省普通高校青年创新人才项目(2023KQNCX120)
论文发表日期：2025-04-20
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：5( 926-929,947 )
英文信息