样本-属性加权的朴素贝叶斯改进算法

• 作者: 曾文赋
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 朴素贝叶斯 样本-属性加权 条件独立性假设
• 年，卷（期）: 2014,（6）
• 页码范围: 62-63,67
• 页数: 3页
• 分类号: TP391
• 字数: 2089字
• 语种: 中文

摘要

朴素贝叶斯算法是一种简单、高效且有着广泛应用的分类方法，但在现实中，条件独立性假设影响了其分类性能。为克服该问题，给出一种改进算法---样本-属性加权的朴素贝叶斯算法。首先，对属性计算相关系数得到属性权值；其次，利用属性权结合信息熵获得样本熵权，并据此加权样本以提高泛化能力；然后，给出了样本-属性加权的朴素贝叶斯算法；最后，在 UCI 数据集上的实验结果验证了改进算法比原算法具有更好的分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾文赋		1	0	0.0	0.0