计算机科学 ›› 2007, Vol. 34 ›› Issue (2): 204-206.
• 计算机网络与信息安全 • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 朴素贝叶斯算法是一种简单而高效的分类算法，但其条件独立性假设并不符合客观实际，这在某种程度上影响了它的分类性能。加权朴素贝叶斯是对它的一种扩展。基于Rough Set的属性重要性理论，提出了基于Rough Set的加权朴素贝叶斯分类方法，并分别从代数观、信息观及综合代数观和信息观的角度给出了属性权值的求解方法。通过在UCI数据集上的仿真实验，验证了该方法的有效性。
关键词: 朴素贝叶斯 加权朴素贝叶斯 Rough集 属性重要性 分类
Abstract: Naive Bayes algorithm is an effective simple classification algorithm. Since its conditional independence as sumption is not always true in real life, its classification performance is affected to some extent. Weighted naive Bayes （simply WNB） is an exten
Key words: Native hayes, Weighted naive bayes, Rough set, Weightiness of attribute, Classification
. 基于Rough Set的加权朴素贝叶斯分类算法[J]. 计算机科学, 2007, 34(2): 204-206. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2007/V34/I2/204
Cited
首页