双重加权朴素贝叶斯算法预测乳腺癌复发率

• 作者: 冯照石 范祺
• 来源期刊: 牡丹江师范学院学报（自然科学版）
• 关键词: 算法改进 数据不平衡 双重加权 乳腺癌复发
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 数学与大数据研究
• 页码范围: 11-15
• 页数: 5页
• 分类号: O171
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6180.2021.02.004

摘要

针对朴素贝叶斯算法在处理不平衡数据时准确率不高的问题,提出类权重和属性值权重相结合的双重加权朴素贝叶斯算法.双重加权可降低算法的属性独立假设对分类结果的影响,提升少数类对分类过程的作用.乳腺癌患者复发率预测结果表明,双重加权朴素贝叶斯算法相对于传统的朴素贝叶斯算法、属性值加权的朴素贝叶斯、K最近邻分类算法、支持向量机分类算法、随机森林算法,准确率上分别从0.72,0.79,0.77,0.80,0.81提升至0.84,精确率和召回率均有不同程度的提升.