于龙江.pptVIP

基于AODE和HNB算法的贝叶斯分类器研究 演讲者：于龙江 一、分类 1：分类是数据挖掘中一项非常重要的任务，在现实生活中有着广泛的应用。 A：根据天气状况判断该天是否适合打网球； B：根据病人各项检查指标判断其是否患有某种疾病； C：根据电子邮件的标题和内容判断是否为垃圾邮件； D：根据动物的各项特征判断动物的类别等。 2：构造分类器的方法有很多 贝叶斯方法、决策树方法、基于实例的学习方法、人工神经网络方法、支持向量机方法、基于遗传算法的方法、基于粗糙集的方法、基于模糊集的方法 3：分类步骤 A：用已知的实例集构建分类器 训练阶段（学习阶段）、训练集、 类标记已知、类标记未知、类别数未知 B：使用构造好的分类器分类未知实例： 交叉法、保持法、 留一法（交叉法的一种特例）、 回代法（一般不采用，因为它评估过的分类器倾向于过拟合 训练实例集，导致分类精度偏高） 二、贝叶斯分类器 1:朴素贝叶斯分类器 应用MAP假设分类实例x的目标是在给定描述实例的属性值 的情况下，得到最可能的类标记C(x)。公式如下： 完全估计 的时间复杂度相当于学习一个贝叶斯网络，是一个N-P难问题。 为此，提出一个假设：给定类标价时属性之间是相互条件独立的。也就是说观察到的联合概率正好是每个单独属性值概率的乘积。