处理缺失数据的朴素贝叶斯分类增量算法

• 作者: 林士敏 蒋望东 陆小艺
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 增量学习 朴素贝叶斯 缺失数据
• 年，卷（期）: 2008,（14）
• 所属期刊栏目: 论文
• 页码范围: 3812-3815
• 页数: 4页
• 分类号: TP391.75
• 字数: 3322字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2008.14.025

摘要

在具有缺失数据的数据集的分类过程中,缺失的数据中蕴含着有用的信息未被考虑的情况会引起分类精度的下降.增量式的学习能够利用不断加入的信息更新学习模型,并充分利用先验信息求解当前问题.给出了一个利用朴素贝叶斯分类模型实现对缺失数据的增量分类的算法.该算法在增量学习的过程中考虑了缺失数据和先验信息对分类器的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林士敏	广西师范大学计算机科学系	49	597	12.0	23.0
2	蒋望东	湖南财经高等专科学校信息管理系	9	96	4.0	9.0
3	陆小艺		4	32	3.0	4.0