面向朴素贝叶斯算法的离散化方法研究-计算机应用技术专业毕业论文.docxVIP

摘要摘要 摘要 摘要 在数据挖掘领域中，有很多算法只能处理定性属性．朴素贝叶斯分类算法在 处理定量属性时作了正态分布的假设．然而，这一假设与实际常常是相违背的， 从而严重制约了朴素贝叶斯算法的分类性能．因此，在运用分类算法之前，通常 需要离散化．离散化是数据挖掘领域的一个重要方面，它是一个从定量数据到定 性数据的转化过程，它不仅能够有效地提高分类器的分类精度及效率，也能够使 更多的数据挖掘算法应用于含有定量属性的数据集中，具有重要的现实意义及研 究价值． 首先，本文对数据的分类与度量进行了分析．然后，阐述了数据挖掘和分类 的相关理论，介绍了朴素贝叶斯算法及其定量属性的处理方法．接着分析了离散 化的研究现状，重点指出了离散化对朴素贝叶斯算法的有效性．在深入研究熵最 小离散化方法(EMD)和MDL准则的基础上，分析了EMD方法的缺陷，提出了 一种基于MDL的多元离散化方法Multi．EMD．该方法借鉴了EMD方法中寻找切 点的方法，在评价切点时使用了一种多元的MDL准则，该准则综合考虑了数据集 中所有数值型属性的作用，从而对切点的评价更可靠．本文还深入研究了比例离 散化方法(PKI)，将EMD方法与PKI方法相结合，使用熵最小方法来寻找切点， 使用PKI方法计算离散化区间数量，提出了比例熵最小离散化方法PEMD．最后， 介绍了数据挖掘平台Weka系统的概况及其架构，在此平台上实现了Mu