集成分类对比:Bagging NB & Boosting NB

• 作者: 李晓波
• 来源期刊: 微电子学与计算机
• 关键词: 分类算法 Bagging Boosting 朴素贝叶斯
• 年，卷（期）: 2010,（8）
• 页码范围: 136-139
• 分类号: TP311
• 语种: 中文

摘要

Bagging和Boosting是两种重要的投票分类算法,前者并行生成多个分类器,后者通过调整样本权重,串行生成多个分类器.将Bagging与Boosting算法与朴素贝叶斯算法相集成,构建了Bagging NB和AdaBoosting NB算法.以UCI数据集为基础,进行实验对比,结果表明,Bagging NB算法较为稳定,可以产生优于NB算法的分类结果,而Boosting算法受到数据分布中的奇异值影响较大,部分数据集上与NB算法的基础效果较差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓波	潍坊学院计算机与通信工程学院	5	21	3.0	4.0