基于改进PCA的朴素贝叶斯分类算法
Statistics and Decision（2022）
摘要
朴素贝叶斯是一种处理分类问题的常用方法,但它的属性条件独立性假设在实际应用中难以成立,导致其分类性能降低.针对这一问题,文章提出了基于改进PCA的朴素贝叶斯分类算法,该算法通过Pear-son和Kendall系数计算出属性间的相关性大小,基于主成分分析筛选出新的属性集,使其尽量满足条件独立性假设,并对新数据集进行朴素贝叶斯分类.实验结果表明,该方法有效地提高了分类准确率.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要