朴素贝叶斯分类器的独立性假设研究

doi:10.3778/j.issn.1002-8331.2008.34.043

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (34): 139-141.DOI: 10.3778/j.issn.1002-8331.2008.34.043

• 数据库、信号与信息处理 • 上一篇下一篇

朴素贝叶斯分类器的独立性假设研究

范金金¹,刘鹏²

1.上海财经大学信息管理与工程学院，上海 200433
2.上海财经大学人事处，上海 200433

收稿日期:2008-05-07 修回日期:2008-08-11 出版日期:2008-12-01 发布日期:2008-12-01
通讯作者: 范金金

Research on Naïve Bayesian Classifier’s independence assumption

FAN Jin-jin¹,LIU Peng²

1.School of Information Management and Engineering，Shanghai University of Finance and Economics，Shanghai 200433，China
2.Department of Human Resources，Shanghai University of Finance and Economics，Shanghai 200433，China

Received:2008-05-07 Revised:2008-08-11 Online:2008-12-01 Published:2008-12-01
Contact: FAN Jin-jin

摘要/Abstract

摘要： 朴素贝叶斯分类器（NBC）是一种简洁而有效的分类模型。介绍了NBC模型的基本原理，并着重分析了该模型的独立性假设条件。在总结现有独立性假设研究的基础上，通过例子和实验分析得出结论：NBC模型的表现和独立性假设是否满足没有必然联系。

关键词: 数据挖掘, 朴素贝叶斯分类器, 独立性假设

Abstract: Naïve Bayesian Classifier（NBC） is a simple and effective classification model.In this paper，after the introduction of the basic principle of the NBC model，the independence assumption of the model is analyzed.Based on the summary of the current research of the independence assumption，It is concluded that the satisfaction of the independence assumption is not a necessary condition for the NBC model’s efficiency，through the demonstration from an example and some experimental analysis.

Key words: data mining, Naï, ve Bayesian Classifier（NBC） model, independence assumption

范金金¹,刘鹏². 朴素贝叶斯分类器的独立性假设研究[J]. 计算机工程与应用, 2008, 44(34): 139-141.

FAN Jin-jin¹,LIU Peng². Research on Naïve Bayesian Classifier’s independence assumption[J]. Computer Engineering and Applications, 2008, 44(34): 139-141.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[7]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[8]	张岁岁，黄丽霞，王杰，张雪英. 麦克风阵列下互相关函数分类的声源定位[J]. 计算机工程与应用, 2020, 56(4): 128-133.
[9]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[10]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[11]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[12]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[13]	孟海东1，2，孙新军2，宋宇辰1. 基于数据场的改进LOF算法[J]. 计算机工程与应用, 2019, 55(3): 154-158.
[14]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[15]	戴敏. 基于NB分类器重访概率预测的Web缓存替换策略[J]. 计算机工程与应用, 2019, 55(19): 134-140.

朴素贝叶斯分类器的独立性假设研究

Research on Naïve Bayesian Classifier’s independence assumption

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics