基于C-Vine Copula理论的监督学习分类器的优化

• 作者: 王蕾 杨光 付志慧
• 来源期刊: 统计学与应用
• 学科: 经济
• 关键词: 缺失数据 C-Vine Copula 监督学习分类器 贝叶斯决策
• 年，卷（期）: 2021,（1）
• 页码范围: 70-76
• 页数: 7页
• 分类号: F22

摘要

由于朴素贝叶斯分类器对特征变量作了独立性假设,忽略了相关性,导致在某些特征相关的情况下分类效果很差。为了提高分类效果,本文对有缺失的数据集利用C-Vine Copula理论进行填补从而得到完整的数据集,并结合Copula函数研究特征变量之间的相关性优化问题,用C-Vine Copula分类器对完整数据集做分类。结果表明,基于C-Vine Copula理论的监督学习分类器具备良好的分类性能。