CAJ | 학술논문

贝叶斯分类方法因具有严密的数学理论基础,于是成为一种简单而有效的数据挖掘方法；然而,贝叶斯分类器要求——条件独立性假设和每个属性权值为1,这极大降低了贝叶斯分类器的性能；针对贝叶斯分类器的局限性,文章提出了一种优化的贝叶斯分类算法；文中,首先利用粗糙集理论对待分类数据集进行属性约简,删除冗余属性；然后给出了属性权值的计算方法和公式,目的在于更准确地描述数据集的重要性和相关性；同时,通过weka3.6.2工具,以UCI机器学习数据库中的数据集为测试数据,进行了对比测试；实验结果表明:OBCA具有较高的分类准确率.
패협사분류방법인구유엄밀적수학이론기출,우시성위일충간단이유효적수거알굴방법；연이,패협사분류기요구——조건독립성가설화매개속성권치위1,저겁대강저료패협사분류기적성능；침대패협사분류기적국한성,문장제출료일충우화적패협사분류산법；문중,수선이용조조집이론대대분류수거집진행속성약간,산제용여속성；연후급출료속성권치적계산방법화공식,목적재우경준학지묘술수거집적중요성화상관성；동시,통과weka3.6.2공구,이UCI궤기학습수거고중적수거집위측시수거,진행료대비측시；실험결과표명:OBCA구유교고적분류준학솔.