分類器性能評價研究.pdf

1、數(shù)據(jù)挖掘是研究從大量數(shù)據(jù)中用非平凡的方法發(fā)現(xiàn)有用知識的理論與方法.分類作為數(shù)據(jù)挖掘的一個重要課題,在統(tǒng)計學、機器學習、神經(jīng)網(wǎng)絡和專家系統(tǒng)中得到了廣泛的研究.分類器性能評價作為分類過程的一個重要環(huán)節(jié),對于選擇適當?shù)姆诸惼鬟M行分類有非常重要的指導作用.
　　 本文首先介紹了數(shù)據(jù)挖掘及分類的相關概念及基本技術,隨后對分類器性能評價的通用標準以及評價方式作出詳盡的總結(jié)歸納,然后對Weka環(huán)境下的分類器性能評價的實現(xiàn),以及評價的各項指標的

2、數(shù)學意義作出分析.最后,本文就分類器性能評價標準中的誤差一項,結(jié)合限制性貝葉斯分類器的特質(zhì),提出一種基于限制性貝葉斯分類器的誤差分解方法.這種方法在0-1損失函數(shù)的偏差方差分解方法基礎上,將限制性貝葉斯的預測概率引入到其誤差分解過程中.這種方法下,分類器的誤差被分解為偏差和方差兩部分,偏差反映的是學習算法的平均預測與真實值之間的偏離程度,方差反映的是學習算法在不同數(shù)據(jù)集上的預測波動.
　　 為了說明該算法的作用,本文對三種限制性