一种应用关联规则森林的改进贝叶斯分类算法

被引：4

作者：

吴宁

柏春霞

祝毅博

机构：

[1] 西安交通大学电子与信息工程学院

来源：

西安交通大学学报 | 2009年 / 43卷 / 02期

关键词：

朴素贝叶斯分类; 关联规则; 联合概率;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对朴素贝叶斯分类方法中属性值条件独立假设不适应实际情况的问题,提出了关联规则森林表示法及应用关联规则森林的改进贝叶斯分类算法(ABC算法).ABC算法利用关联规则挖掘得到满足条件的关联规则,并由此来构造关联规则森林,而规则森林中所有根节点的概率与所有适用的规则置信度连乘,就得到所有属性值的联合概率.应用UDI数据集对分类器进行了测试,分类结果表明,ABC算法的分类准确率明显高于朴素贝叶斯分类算法,平均提高5%,特别是对属性间有着较强依赖关系的数据集,其分类准确率提高了37%.

引用

页码：48 / 52

页数：5

共 5 条

[1] 挖掘多关系关联规则 [J].

何军 ;

刘红岩 ;

杜小勇 .

软件学报, 2007, (11) :2752-2765

[2] 基于频繁项集挖掘的贝叶斯分类算法 [J].

眭俊明 ;

姜远 ;

周志华 .

计算机研究与发展, 2007, (08) :1293-1300

[3] 一种限定性的双层贝叶斯分类模型 [J].

石洪波 ;

王志海 ;

黄厚宽 ;

励晓健 .

软件学报, 2004, (02) :193-199

[4]

Not So Naive Bayes: Aggregating One-Dependence Estimators[J] . Geoffrey I. Webb,Janice R. Boughton,Zhihai Wang.Machine Learning . 2005 (1)

[5] Bayesian Network Classifiers [J].

Nir Friedman ;

Dan Geiger ;

Moises Goldszmidt .

Machine Learning, 1997, 29 :131-163

← 1 →