樸素貝葉斯分類改進(jìn)算法的研究.pdf

1、分類是數(shù)據(jù)挖掘中一個(gè)很重要的研究課題，它的目標(biāo)在于構(gòu)造一個(gè)分類模型或者分類函數(shù)去判斷出待分類樣本是屬于已知類別中的哪一類。樸素貝葉斯分類器作為當(dāng)前分類算法的研究熱點(diǎn)之一，原因就在于具有堅(jiān)實(shí)的理論知識(shí)做支撐并綜合先驗(yàn)信息和數(shù)據(jù)樣本信息等。但它也同時(shí)存在著致命的弱點(diǎn)。當(dāng)結(jié)合實(shí)際情況后發(fā)現(xiàn)數(shù)據(jù)集中的屬性間常常無法滿足類條件獨(dú)立這一假設(shè)，而這種情況會(huì)在很大程度上影響著分類性能。
　　 本文首先通過對(duì)幾種經(jīng)典的貝葉斯分類模型的介紹，并分析

2、了他們各自的特點(diǎn)。為了充分利用樸素貝葉斯模型在分類中的優(yōu)勢(shì)，針對(duì)獨(dú)立性假設(shè)這一限制提出了一些改進(jìn)方法，并取得了較好的分類效果。本文主要采用了兩種屬性間的關(guān)聯(lián)程度的度量方式，并結(jié)合新的屬性分組技術(shù)將屬性劃分為屬性組，弱化了屬性間類條件獨(dú)立到屬性組之間的類條件獨(dú)立性的假設(shè)，這使得樸素貝葉斯分類算法的實(shí)際應(yīng)用范圍在一定程度上得到了拓展。
　　 為了證明本文所提的算法與樸素貝葉斯分類算法相比較具有更好的分類性能，在每個(gè)算法的結(jié)尾部分都采