利用增益率构建混合型选择性不完整数据分类器

• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 信息增益率 贝叶斯方法 分类 特征选择 不完整数据
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 计算机工程与数据挖掘
• 页码范围: 117-120
• 页数: 4页
• 分类号: TP181
• 字数: 3333字
• 语种: 中文

摘要

鉴于已有的绝大多数选择性分类算法主要用于完整数据,而现实中的数据通常是不完整的并且包含许多冗余属性或无关属性,本文在已有工作基础上利用信息增益率构建了一种用于不完整数据的混合型的选择性贝叶斯分类器:GBSD.在12个标准的不完整数据集上的实验结果表明,GBSD不仅能大幅度减少属性数目,而且比已有工作更能有效改善分类准确率和效率.