基于改进PCA的朴素贝叶斯分类算法 |
| |
引用本文: | 李思奇,吕王勇,邓柙,陈雯.基于改进PCA的朴素贝叶斯分类算法[J].统计与决策,2022(1). |
| |
作者姓名: | 李思奇 吕王勇 邓柙 陈雯 |
| |
作者单位: | 四川师范大学数学科学学院;四川师范大学可视化计算与虚拟现实四川省重点实验室 |
| |
基金项目: | 国家自然科学基金青年项目(11601357);可视化计算与虚拟现实四川省重点实验室项目(SCVCVR2018.08VS)。 |
| |
摘 要: | 朴素贝叶斯是一种处理分类问题的常用方法,但它的属性条件独立性假设在实际应用中难以成立,导致其分类性能降低。针对这一问题,文章提出了基于改进PCA的朴素贝叶斯分类算法,该算法通过Pearson和Kendall系数计算出属性间的相关性大小,基于主成分分析筛选出新的属性集,使其尽量满足条件独立性假设,并对新数据集进行朴素贝叶斯分类。实验结果表明,该方法有效地提高了分类准确率。
|
关 键 词: | 朴素贝叶斯 相关系数 主成分分析 |
Naive Bayes Classification Algorithm Based on Improved PCA |
| |
Authors: | Li Siqi Lyu Wangyong Deng Xia Chen Wen |
| |
Institution: | (School of Mathematical Science,Sichuan Normal University,Chengdu 610068,China;Visual Computing and Virtual Reality Key Laboratory of Sichuan Province,Sichuan Normal University,Chengdu 610068,China) |
| |
Abstract: | |
| |
Keywords: | naive Bayes correlation coefficient principal component analysis(PCA) |
本文献已被 维普 等数据库收录! |
|