針對(duì)貝葉斯分類(lèi)器的數(shù)據(jù)質(zhì)量的定量分析研究.pdf

1、分類(lèi)是數(shù)據(jù)挖掘中非常重要的一類(lèi)技術(shù)，其中的貝葉斯分類(lèi)器是應(yīng)用概率統(tǒng)計(jì)學(xué)知識(shí)進(jìn)行分類(lèi)的算法．一般來(lái)講，同一個(gè)分類(lèi)器針對(duì)不同的數(shù)據(jù)集，其分類(lèi)精度會(huì)有著相當(dāng)大的差異．這種差異部分地是由于數(shù)據(jù)集本身的質(zhì)量所引起．?dāng)?shù)據(jù)質(zhì)量的不同度量方式對(duì)不同分類(lèi)算法所表現(xiàn)出的分類(lèi)性能的差異可能是非常不同的．由于貝葉斯分類(lèi)器原理清晰，易于分析以及高效性，故本文以貝葉斯分類(lèi)器為基礎(chǔ)，通過(guò)設(shè)計(jì)實(shí)例選擇算法來(lái)研究數(shù)據(jù)集的質(zhì)量特征與評(píng)價(jià)方法． 本文在充分而深入地對(duì)

2、相關(guān)理論，包括分類(lèi)技術(shù)，數(shù)據(jù)質(zhì)量，遺傳算法進(jìn)行了說(shuō)明和分析之后，介紹了Weka這一數(shù)據(jù)挖掘?qū)嶒?yàn)平臺(tái)，重點(diǎn)分析了Weka下的數(shù)據(jù)過(guò)濾器的結(jié)構(gòu)和使用，以及每個(gè)子類(lèi)的功能和實(shí)現(xiàn)原理，并對(duì)如何實(shí)現(xiàn)一個(gè)過(guò)濾器進(jìn)行了說(shuō)明．然后，采用最優(yōu)保存簡(jiǎn)單遺傳算法作為搜索方法，數(shù)據(jù)質(zhì)量的定量化指標(biāo)作為適應(yīng)性函數(shù)，來(lái)設(shè)計(jì)并實(shí)現(xiàn)進(jìn)行實(shí)例選擇的算法，并提出了稱(chēng)為隨機(jī)采樣分類(lèi)測(cè)試的針對(duì)實(shí)例的數(shù)據(jù)質(zhì)量指標(biāo)．同時(shí)使用UCI數(shù)據(jù)集在Weka平臺(tái)上實(shí)現(xiàn)進(jìn)行了實(shí)驗(yàn)．其中詳細(xì)地介