Augmented Bayes分类器的一种学习方法

• 作者: 何瑗 马耀华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Bayes 分类器 熵分析 机器学习
• 年，卷（期）: 2002,（17）
• 所属期刊栏目: 学术探讨
• 页码范围: 100-102
• 页数: 3页
• 分类号: TP31
• 字数: 2653字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.17.035

摘要

Naive Bayes分类器作为一种计算简单、精度较高的分类方法,已经得到了广泛应用.但是其所作的假设:各属性之间相互独立却非常容易在现实中被违背,阻碍了分类器精度的进一步提高.而Bayes网络较好地考虑了属性之间的依赖关系,但是其计算相当复杂.Augmented Bayes分类器将两者的优点结合在一起,既考虑了属性之间的依赖关系,又保证了算法的简单性.该文从属性所拥有的信息量出发考虑,提出了Augmented Bayes分类器的一种基于熵的学习方法.最后,通过测试数据将该方法与Naive Bayes分类器和SuperParent算法进行了比较.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马耀华	南京大学计算机软件新技术国家重点实验室	1	2	1.0	1.0
2	何瑗	南京大学计算机科学与技术系	2	9	2.0	2.0