宿州学院学报
宿州學院學報
숙주학원학보
JOURNAL OF SUZHOU COLLEGE
2010年
11期
12-13,23
,共3页
朴素贝叶斯分类%先验概率%后验概率%EM算法%缺失数据
樸素貝葉斯分類%先驗概率%後驗概率%EM算法%缺失數據
박소패협사분류%선험개솔%후험개솔%EM산법%결실수거
将EM算法引入到朴素贝叶斯分类研究中,提出一种基于EM的朴素贝叶斯分类算法.首先用未缺失的数据属性的算术均数作为初始值,求得极大似然估计:其次迭代执行算法的E步和M步直至收敛,然后完成缺失数据的填补;最后根据朴素贝叶斯分类算法对数据进行分类.实验结果表明,与朴素贝叶斯分类算法相比,基于EM的朴素贝叶斯分类算法具有较高的分类准确率.
將EM算法引入到樸素貝葉斯分類研究中,提齣一種基于EM的樸素貝葉斯分類算法.首先用未缺失的數據屬性的算術均數作為初始值,求得極大似然估計:其次迭代執行算法的E步和M步直至收斂,然後完成缺失數據的填補;最後根據樸素貝葉斯分類算法對數據進行分類.實驗結果錶明,與樸素貝葉斯分類算法相比,基于EM的樸素貝葉斯分類算法具有較高的分類準確率.
장EM산법인입도박소패협사분류연구중,제출일충기우EM적박소패협사분류산법.수선용미결실적수거속성적산술균수작위초시치,구득겁대사연고계:기차질대집행산법적E보화M보직지수렴,연후완성결실수거적전보;최후근거박소패협사분류산법대수거진행분류.실험결과표명,여박소패협사분류산법상비,기우EM적박소패협사분류산법구유교고적분류준학솔.
