用于Ranking的Bayesian分類器研究.pdf_第1頁
已閱讀1頁，還剩71頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、分類(Classification)是數(shù)據(jù)挖掘和機器學習中最重要的問題之一。因為貝葉斯(Bayesian)算法具有堅實的數(shù)學理論基礎，所以它有著很好的分類效果，并且一直是分類算法中的重要算法。但是在數(shù)據(jù)挖掘和機器學習的實際應用中，對數(shù)據(jù)僅有一個準確的分類是遠遠不夠的。一個準確的排列(Ranking)算法在實際應用中往往是需要的，并且其重要性甚至超過了一個準確的分類算法。因此，將貝葉斯方法應用于Ranking的研究是一項有趣的工作，并且具

2、有十分重要的意義。 本文在Weka試驗平臺的基礎上搭建了用于Ranking實驗的實驗平臺。在這個平臺上實現(xiàn)了樸素貝葉斯(NB)，樹擴張貝葉斯(TAN)，貝葉斯樹(NBTree)，隱藏貝葉斯(HNB)和AODE分類算法。通過對這些分類器的Ranking效果的比較我們發(fā)現(xiàn)，由于沒有充分考慮非類屬性相對于類屬性之間的重要程度，AODE分類器在某些數(shù)據(jù)集合上Ranking的效果不太理想。WAODE算法通過增加權值的辦法，克服了AODE分

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論