基于数据集相似性的分类算法推荐

• 作者: 徐青松 戚雪晨 朱丽萍 李洪奇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 数据挖掘 分类算法 数据集特征 性能评价 算法推荐
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 数据工程
• 页码范围: 62-66
• 页数: 5页
• 分类号: TP18
• 字数: 5347字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.08.014

摘要

近年来，随着大数据分析需求的急剧增长，分类算法的运用也越来越广泛，如何为用户选择适用的分类算法成为数据挖掘技术在应用上亟待解决的难题。相关研究表明，同一算法在相似数据集上具有相近的分类效果。根据这一理论，构建基于数据集相似性的分类算法选择模型。首先采用数据集离散化方法来对数据集进行特征提取，构建样本库，然后结合邻近相似的原则为数据集推荐合适的分类算法。通过 UCI 数据集上的算法实验，结果表明大多数情况下推荐得到的分类算法具有良好的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李洪奇	中国石油大学石油数据挖掘北京市重点实验室	50	640	15.0	23.0
5	朱丽萍	中国石油大学石油数据挖掘北京市重点实验室	15	144	6.0	11.0
9	徐青松	中国石油大学石油数据挖掘北京市重点实验室	6	3	1.0	1.0
13	戚雪晨	中国石油大学石油数据挖掘北京市重点实验室	2	3	1.0	1.0