基于属性选择法的朴素贝叶斯分类器性能改进*

• 作者: 焦鹏** 王新政 谢鹏远
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 朴素贝叶斯分类器 先验分布 属性选择法 广义Dirichlet分布
• 年，卷（期）: 2013,（3）
• 页码范围: 329-334
• 分类号: TP181
• 字数: 4863字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2013.03.020

摘要

为提高朴素贝叶斯(Naive Bayesian)分类器的分类准确率,对朴素贝叶斯属性选择算法及假设属性概率值先验分布中的参数设置问题进行分析,提出将属性先验分布的参数设置加入到属性选择的过程中,并研究当先验分布服从Dirichlet分布及广义Dirichlet分布情况下的具体调整步骤.以UCI数据库为例进行仿真实验,结果表明当先验分布服从广义Dirichlet分布时,该方法可提高分类的准确率,如Parkinsons数据集,效率可提升13.32%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新政		37	118	5.0	8.0
2	焦鹏**		1	3	1.0	1.0