樸素貝葉斯分類模型的改進研究.pdf

1、分類是數(shù)據(jù)挖掘中的一個重要課題。分類的目的是為了構(gòu)造出一個分類函數(shù)或者分類模型，這個模型可以將數(shù)據(jù)庫中對應(yīng)的數(shù)據(jù)項映射到一個給定的類。數(shù)據(jù)挖掘的分類一般用在提取描述重要數(shù)據(jù)類的模型或者預(yù)測未來數(shù)據(jù)趨勢。樸素貝葉斯分類模型是當(dāng)前分類算法的研究熱點之一，它具有結(jié)構(gòu)不復(fù)雜、分類精度高和速度快等優(yōu)點。運用該模型進行分類的原理是利用訓(xùn)練集構(gòu)造出一個分類模型，如果訓(xùn)練集中有存在噪聲實例，那么它會降低分類器的性能。本文以優(yōu)化訓(xùn)練集為研究內(nèi)容，探討了基

2、于單屬性有效度和結(jié)合雙屬性有效度的樸素貝葉斯分類改進模型，通過自定義的單屬性有效度和雙屬性有效度淘汰數(shù)據(jù)集中的噪聲樣本，從而實現(xiàn)訓(xùn)練集優(yōu)化，提高分類準確率的目標(biāo)。
　　本文主要工作如下:
　　1、介紹了貝葉斯分類的基本理論和樸素貝葉斯分類模型。
　　2、對幾種常用的改進樸素貝葉斯分類模型進行分析:樹擴展型貝葉斯分類模型、半樸素貝葉斯分類模型、貝葉斯信念網(wǎng)絡(luò)分類模型。
　　3、在使用訓(xùn)練集構(gòu)建分類器前，基于貝葉斯理