針對貝葉斯分類器的數(shù)據(jù)質(zhì)量的定量分析研究.pdf

1、分類是數(shù)據(jù)挖掘中非常重要的一類技術(shù)，其中的貝葉斯分類器是應(yīng)用概率統(tǒng)計學(xué)知識進行分類的算法．一般來講，同一個分類器針對不同的數(shù)據(jù)集，其分類精度會有著相當(dāng)大的差異．這種差異部分地是由于數(shù)據(jù)集本身的質(zhì)量所引起．?dāng)?shù)據(jù)質(zhì)量的不同度量方式對不同分類算法所表現(xiàn)出的分類性能的差異可能是非常不同的．由于貝葉斯分類器原理清晰，易于分析以及高效性，故本文以貝葉斯分類器為基礎(chǔ)，通過設(shè)計實例選擇算法來研究數(shù)據(jù)集的質(zhì)量特征與評價方法． 本文在充分而深入地對

2、相關(guān)理論，包括分類技術(shù)，數(shù)據(jù)質(zhì)量，遺傳算法進行了說明和分析之后，介紹了Weka這一數(shù)據(jù)挖掘?qū)嶒炂脚_，重點分析了Weka下的數(shù)據(jù)過濾器的結(jié)構(gòu)和使用，以及每個子類的功能和實現(xiàn)原理，并對如何實現(xiàn)一個過濾器進行了說明．然后，采用最優(yōu)保存簡單遺傳算法作為搜索方法，數(shù)據(jù)質(zhì)量的定量化指標(biāo)作為適應(yīng)性函數(shù)，來設(shè)計并實現(xiàn)進行實例選擇的算法，并提出了稱為隨機采樣分類測試的針對實例的數(shù)據(jù)質(zhì)量指標(biāo)．同時使用UCI數(shù)據(jù)集在Weka平臺上實現(xiàn)進行了實驗．其中詳細(xì)地介