文档介绍：TechniqueandMethod 样本一属性加权的朴素贝叶斯改进算法曾文赋(福建省福州第一中学,福建福州350001) 摘要:朴素贝叶斯算法是一种简单、高效且有着广泛应用的分类方法,但在现实中,条件独立性假设影响了其分类性能。为克服该问题,给出一种改进算法——样本一属性加权的朴素贝叶斯算法。首先,对属性计算相关系数得到属性权值;其次,利用属性权结合信息熵获得样本熵权,并据此加权样本以提高泛化能力;然后,给出了样本一属性加权的朴素贝叶斯算法;最后,在UCI数据集上的实验结果验证了改进算法比原算法具有更好的分类性能。关键词:朴素贝叶斯;样本一属性加权;条件独立性假设中图分类号:TP391 文献标识码:A 文章编号:1674—7720(2014)06—0062—02 Sample——attributeweightedimprovednaiveBayesianalgorithm ZengWenfu (,Fuzhou350001,China) Abstract:NaiveBayesianalgorithmisasimple,efficientandwidelyusedclassificationmethod,buttheconditiotlalindepen— denceassumptionaffectsit’——safnple—attribute weightedna“eBavesianalgorithifJinor(1et’ calculatedtoobtainattribute—,attribute-binedtogetsample--en— tropy—weight,,sample-attribtlieweighted ,theexperimentalresultsonUCIdatasetsprovethattheimprovedalgorithm haSgotbetterclassificationperforman(ethantheoriginalalgorithm. Keywords:naiveBayesian;sampk—attriI)uteweighted;conditionalindependenceassumption 分类是通过分析训练数据样本,生成分类函数或模型,通过模型恪数据库中的数据映射到某一类别中,产生数据关于类别的精确描述。朴素贝叶斯算法作为一种最简单、有效且在实际使用中很成功的分类算法,其性能可与神经网络、决策树 l卡}i媲美I 它发源:F古典数学理论,具有坚实的理论基础,其他方法相比有较小的误差率,并广泛应用于数据挖掘、自然语言处理、医疗研究等众多领域。例如,潘志方提