基于特征加权的多关系朴素贝叶斯分类模型.pdfVIP

第 41卷 第 1O期 计 算 机 科 学 Vo1．41No．10 2014年 1O月 Computer Science Oct2014 基于特征加权的多关系朴素贝叶斯分类模型 徐光美 刘宏哲 张敬尊 (北京联合大学信息服务工程重点实验室 北京 100101) 摘 要 为进一步提高多关系朴素贝叶斯方法的分类准确率，分析了已有的特征加权方法，并在将特征加权方法扩展 到多关系的情况下结合元组 ID传播方法和面向元组的统计计数方法，建立了基于特征加权的多关系朴素贝叶斯分类 模型 (MRNBC-W)。标准数据集上的实验结果显示，新方法可以在不增加算法时间复杂度的前提下，有效提高金融数 据集的分类准确率。文中也给出了结合扩展互信息标准对属性进行过滤后，加权方法和不加权方法的分类比较。 关键词 多关系数据挖掘，朴素贝叶斯，分类，互信息，特征加权 中图法分类号 TP181 文献标识码 A DOI 1O．11896／j．issn．1002—137X．2014．10．059 M ulti。relationalNaiveBayesianClassifierUsingFeatureW eighting XU Guang-mei LIU Hong-zhe ZHANGJing-zun (BeijingKeyLaboratoryofInformationServiceEngineering，BeijingUnionUniversity，Beijing100101，China) Abstract Toimprovetheaccuracyofmu1trelationa1naiveBayesianclassifiers，thispaperdiscussed existing feature weightingmethodsandupgradedthemethodtodealwithmuki-relationaldatadirectly．Ba sedonthetupleIDpropaga- tionmethodandcountingmethodstowardstuples，amultI_relati0nalnaiveBa yesianclassifierusingfeatureweighting (MRNBC-W )wasgiven．ExperimentsonFinancialdatabaseshow thatwiththehelpoffeatureweighting，theclassifiers cangivebetteraccuracywithoutincreaseoftimecomplexity．Furthermore。MRNBC-W basedonmutualinformation (MRNBC_W MI)wasimplemented． Keywords M ulti—relationaldatamining (MRDM)，NaiveBa yes，Classification，Mutualinfomr ation，Featureweighting 为进一步优化分类 ，本文在加权基础上，给出了基于扩展互信 1 引言 息标准 对数据进行属性选择后的分类曲线 。 朴素贝叶斯分类模型(NaiveBayesianClassifier，NBC)训 2 相关工作 练简单且具有相当的健壮性和高效性[，已经成功地应用到 分类 、聚类及模型选择等数据挖掘的任务中。目前，许多学者 国内外很多学者致力于研究基于特征加权的朴素贝叶斯 致力于研究朴素贝叶斯分类方法的改进模型，两类典型的改 分类模型，以期在保证模型的朴素前提下优化