基于信息几何构建朴素贝叶斯分类器

在线阅读 下载PDF 导出详情
摘要 朴素贝叶斯分类器是机器学习中一种简单而又有效的分期方法。但是由于它的属性条件独立性假设在实际应用中经常不成立,这影响了它的分类性能。本文基于信息几何和Fisher分,提出了一种新的创建属性集的方法。把原有属性经过Fisher分映射成新的属性集,并在新属性集上构建贝叶斯分类器。我们在理论上探讨了新属性间的条件依赖关系,证明了在一定条件下新属性间是条件独立的。试验结果表明,该方法较好地提高了朴素贝叶斯分类器的性能。
机构地区 不详
出版日期 2005年02月12日(中国期刊网平台首次上网日期,不代表论文的发表时间)
  • 相关文献