用稀疏贝叶斯概率模型做文本分类

• 作者: 燕荣江
• 来源期刊: 科技视界
• 关键词: 稀疏贝叶斯 参数估计 广义线性模型 机器学习 文本分类
• 年，卷（期）: 2015,（19）
• 所属期刊栏目: 姻姻姻高校科技
• 页码范围: 136-137
• 页数: 2页
• 字数: 3861字
• 语种: 中文

摘要

如今，当处理大量数据集的协变量时，相比小样本量的一个常见问题是：估计与每个协变量相关联的参数。当协变量的数量远远超过样本的数量，参数估计变得非常困难。在这项研究中，我们开发了一个稀疏的Probit贝叶斯模型(SPBM)的基础上吉布斯抽样，其利用双指数函数之前诱导收缩，并减少在模型协变量的数目。使用6个领域，如数学，在维基百科已下载的方法中进行评估。我们通过计算并根据执行训练和测试组的分类的阈值作为决策规则。利用遍布全球50个运行平均灵敏度和特异性我们的模型的表现相比，支持向量机(SVM)。该SPBM实现了高分类精度和几乎所有的分析领域优于SVM。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	燕荣江	辽宁师范大学数学学院	1	3	1.0	1.0