HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

一种基于属性加权的平均单一依赖估计改进算法

作者:秦怀强; 赵茂先分类平均单一依赖估计相关系数属性加权

摘要:平均单一依赖估计算法(averaged one-dependence estimators,AODE)是通过放松朴素贝叶斯算法的假设条件得到的一种更加高效的分类算法,但AODE算法将所有父属性对分类的贡献程度看成是一样的,这使得AODE算法的分类效果受到限制。针对这个问题,利用相关系数Tau-y和Lambda-y分别计算各个特征属性对分类的贡献程度,并用计算结果对父属性加权,得到了两个改进的AODE算法:T-AODE和L-AODE算法。然后,利用加利福尼亚大学的埃文斯(University of California Irvine,UCI)标准数据集在Eclipse上对这两个算法进行分类实验,结果显示两个改进的AODE算法的精确度要优于原始AODE算法。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

统计与信息论坛

《统计与信息论坛》(CN:61-1421/C)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《统计与信息论坛》集学术性、知识性、实用性于一体,主要刊登有创新性、探索性的统计学术论文、调查报告、学术问题综述、学术前沿介绍等内容。

杂志详情