基于高维数据的加权朴素贝叶斯算法研究

摘要：

针对具有复杂结构的高维数据分类问题,文章提出一种基于特征选择和约简的加权朴素贝叶斯算法(WNBC-FSR).该算法基于距离相关和最大信息系数的方法,从相关性和冗余性两个角度对高维数据进行特征筛选;采用属性和类别变量间的最大信息系数对属性进行加权,构建并训练加权朴素贝叶斯算法.实验结果表明:在几种算法的比较中,无论是从AUC还是F1值来看,WNBC-FSR算法的分类效果均是最优的.

关键词：距离相关系数、最大信息系数、相关性、冗余性、加权朴素贝叶斯

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：国家社会科学基金资助项目;山西省自然科学基金资助项目

在线出版日期：2020-07-10（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：5-9