MDL理论的多属性值域划分方法

• 作者: 范媛媛 陈爱萍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据挖掘 离散化 最小描述长度理论 Naive贝叶斯
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 167-170,198
• 页数: 5页
• 分类号: TP18
• 字数: 4889字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1106-0009

摘要

连续属性值域划分方法是数据挖掘和机器学习领域的重要课题.但已有的大量离散化方法倾向于研究一维属性离散化问题,没有考虑多属性之间的相互关系,难于获得最佳的离散化结果.提出一种基于最小描述长度理论的多属性划分方法,通过定义多属性的模型选择问题,推导出多属性划分衡量函数;设计一种合理的算法来寻找最好的离散化结果.性能评价与分析表明,该方法在Naive贝叶斯分类器上有很好的分类学习能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈爱萍	金陵科技学院信息技术学院	13	67	3.0	8.0
2	范媛媛	焦作师范高等专科学校计算机与信息工程系	14	27	4.0	4.0