MDL理论的多属性值域划分方法

摘要：

连续属性值域划分方法是数据挖掘和机器学习领域的重要课题.但已有的大量离散化方法倾向于研究一维属性离散化问题,没有考虑多属性之间的相互关系,难于获得最佳的离散化结果.提出一种基于最小描述长度理论的多属性划分方法,通过定义多属性的模型选择问题,推导出多属性划分衡量函数;设计一种合理的算法来寻找最好的离散化结果.性能评价与分析表明,该方法在Naive贝叶斯分类器上有很好的分类学习能力.

关键词：数据挖掘、离散化、最小描述长度理论、Naive贝叶斯

所属期刊栏目：49

分类号：TP18(自动化基础理论)

资助基金：金陵科技学院自然科学基金208.40410826;金陵科技学院博士启动基金JIT-B-01

在线出版日期：2013-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：167-170,198