一种加权朴素贝叶斯分类增量学习模型

• 作者: 吕芳芳 李金华 梁永全
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 朴素贝叶斯分类器 属性加权 增量学习 训练集
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 30-32
• 分类号: TP18
• 字数: 2615字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2010.05.009

摘要

朴素贝叶斯分类器难以获得大量有类标签的训练集,而且传统的贝叶斯分类方法在有新的训练样本加入时,需要重新学习已学习过的样本,耗费大量时间.为此引入增量学习方法,在此基础上提出了属性加权朴素贝叶斯算法,该算法通过属性加权来提高朴素贝叶斯分类器的性能,加权参数直接从训练数据中学习得到.通过由Weka推荐的UCI数据集的实验结果表明,该算法是可行的和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁永全	山东科技大学信息科学与工程学院	82	678	15.0	21.0
2	李金华	山东科技大学信息科学与工程学院	1	3	1.0	1.0
3	吕芳芳	山东科技大学信息科学与工程学院	1	3	1.0	1.0