朴素贝叶斯算法是一种简单而高效的分类算法,但它的条件独立性和属性重要性假设,影响了其分类性能。为改进其分类性能,该文提出了一种改进属性独立的加权朴素贝叶斯分类测试算法。该算法同时放松了NB算法属性独立性、属性重要性两个假设,提升了分类正确率。通过在UCI部分数据集上进行仿真实验,与NB和WNB算法相比,证明了该算法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
