计算机科学 ›› 2009, Vol. 36 ›› Issue (6): 258-261.
• • 上一篇 下一篇
李泽中 白勇
出版日期:
发布日期:
LI Ze-zhong BAI Yong （Department of Computer, Chongqing Electric Power College, Chongqing 400053, China）
Online:
Published:
摘要： 核密度估计可用于贝叶斯分类器类条件概率密度估计，其关键是带宽参数的确定。为此，提出了通过使受试者特征（ROC）曲线下的面积AUC最大而优化带宽参数的方法，建立了用于二进制特征的BKD分类方法和用于连续值特征的CKD分类方法。将这两种方法分别用于UCI数据集Promoter和Diabetics，得到的预测准确率与文献报道最佳结果接近，表明提出的带宽参数优化方法用于核密度分类具有较好的分类预测能力。
关键词: 贝叶斯分类器 核密度估计 带宽参数 受试者特征曲线
Abstract: Kernel density estimation can be used to estimate the conditional class probability density functions and the key problem is to choose the bandwidth of the kernel. In this study, a method that the bandwidth is optimized through maximizing the area under t
Key words: Bayes classifier,Kernel density estimation,Bandwidth parameter,ROC curve
李泽中 白勇. 核密度估计在分类问题中带宽参数的优化研究[J]. 计算机科学, 2009, 36(6): 258-261. https://doi.org/
LI Ze-zhong BAI Yong （Department of Computer, Chongqing Electric Power College, Chongqing 400053, China）. [J]. Computer Science, 2009, 36(6): 258-261. 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/Y2009/V36/I6/258
Cited
首页