一种基于属性加权的平均单一依赖估计改进算法

摘要：

平均单一依赖估计算法(averaged one-dependence estimators,AODE)是通过放松朴素贝叶斯算法的假设条件得到的一种更加高效的分类算法,但AODE算法将所有父属性对分类的贡献程度看成是一样的,这使得AODE算法的分类效果受到限制.针对这个问题,利用相关系数Tau-y和Lambda-y分别计算各个特征属性对分类的贡献程度,并用计算结果对父属性加权,得到了两个改进的AODE算法:T-AODE和L-AODE算法.然后,利用加利福尼亚大学的埃文斯(University of California Irvine,UCI)标准数据集在Eclipse上对这两个算法进行分类实验,结果显示两个改进的AODE算法的精确度要优于原始AODE算法.

关键词：分类、平均单一依赖估计、相关系数、属性加权

所属期刊栏目：33

分类号：C811;TP181(统计方法)

资助基金：国家自然科学基金项目《云环境下面向大数据并行计算的工作流执行优化研究》61370207

在线出版日期：2018-06-27（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：8-12