由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，而此假设在实际情况中经常是不成立的，因此其分类准确率可能会下降。
您还没有登录,请您登录后再发表评论
提出以引力公式中距离变量的平方作为相似距离，应用引力模型来刻画特征与其所属类别之间的相似度，从而克服朴素贝叶斯分类算法容易受到条件独立假设的影响而将所有特征同质化的缺点，并能有效地避免噪声干扰，达到...
针对朴素贝叶斯分类算法中缺失数据填补问题，提出一种基于改进EM（Expectation Maximization）算法的朴素贝叶斯分类算法。该算法首先根据灰色相关度对缺失数据一个估计，估计值作为执行EM算法的初始值，迭代执行E步M...
针对电信企业客户流失问题，提出采用贝叶斯决策树算法的预测模型，将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合，应用到电信行业客户流失分析中，分别将移动公司的客户数据以及UCI数据纳入到模型...
朴素贝叶斯算法被广泛应用于文本分类、垃圾邮件过滤等领域，因其简单和高效而受到青睐。 第四部分讨论了生成式模型与判别式模型。生成式模型和判别式模型是机器学习中常见的两种方法。生成式模型试图对数据生成过程...
：针对基于信息论的贝叶斯网络结构学习算法中结点集越大计算效率越低的缺点，采用主元分析(PCA)对样本 数据降维，减少构造网络的结点数量，提高贝叶斯网络结构构造算法的效率。应用基于PCA 方法构造贝叶斯网络， 其...
针对朴素贝叶斯模型对分类信息过度简化和准确率低等 缺点，通过引入分级的最小风险算法和对多项式和多重贝努利估计模型进行混合的方法分别对贝叶斯过滤器进 行了改进，并进行了实验。实验结果表明，改进后的贝叶斯...
针对基于决策树和神经网络的增量学习算法的过量匹配和分类精度有限的缺点，提出了一种基于贝叶斯分类器集成的增量学习方法．综合朴素贝叶斯的增量分类和集成的增量学习方法，采用随机属性选择训练初始 SBC(simple ...
在此项目中，朴素贝叶斯文档分类器实现并应用于20个新闻组数据集，以预测给定文档将哪个新闻组发布到最大似然估计（MLE），最大后验概率（MAP）并构建朴素贝叶斯分类器并进行测试数据分为20个新闻组。 错误分类由...
该算法有效克服了贝叶斯分类属性独立性的约束和传统贝叶斯只对静态数据分类的缺点，克服了动态数据流最大的难题——数据存储问题。通过实验测试证明，基于自助抽样的贝叶斯分类具有很高的时效性和精确性。
目前看到的比较全面的分类算法,总结的还不错....2.4.1 主要分类方法介绍解决分类问题的方法很多[40-42] ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；
该方法能有效地解决投影寻踪模型中投影方向的寻优问题，并将该方法应用于文本分类，在Reuters-21578文档集上分别采用KNN和朴素贝叶斯方法进行实验，结果表明此方法能有效提取投影方向，取得了满意的分类效果，也提高...
SVM算法和朴素贝叶斯分类算法是对大量复杂数据分类中性能优秀的算法。然而它们的缺点使得分类效果受到了影响，而且传统的数据挖掘分类算法也无法满足对于海量数据的处理。针对这些问题，这里对传统的朴素贝叶斯算法...
一种基于多重朴素贝叶斯分类算法的检测方法来实现对计算机病毒的近似判别。该法可以克服病毒特征代码扫描法不能识 别未知病毒的缺点。在该检测方法的基础上，设计了一个病毒检测网络模型，该模型既可以实现对已知...
朴素贝叶斯分类器中的一个假设是：每个特征同等重要 函数 loadDataSet() 创建数据集，这里的数据集是已经拆分好的单词组成的句子，表示的是某论坛的用户评论，标签1表示这个是骂人的 createVoca
通过计算短信能量特征向量的领域密度，结合贝叶斯公式输出了短信在不同分类的分类概率．在分类过程中，还对分类概率差别较小的短信采用支持向量机进行了二次分类以提高分类效果．实验结果表明，该分类器模型具有良好...
为改进朴素贝叶斯(naive Bayes，NB)算法在识别未知恶意代码过程中学习速度慢的缺点，在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes，MNB)算法的基础上，提出了一种改进贝叶斯(half-increment naive Bayes...
近几年来，贝叶斯网络已成为数据挖掘和知识发现中的一个主要工具，在分类、聚类、预测和规则推导等方面取得了良好的应用效果。从历史数据中学习贝叶斯网络可采用基于依赖分析的方法。 常用的有：用Polytree表示...
讲述什么是贝叶斯分类器，有详细的算法描述，以及例题，优缺点，等等。
相关推荐
提出以引力公式中距离变量的平方作为相似距离，应用引力模型来刻画特征与其所属类别之间的相似度，从而克服朴素贝叶斯分类算法容易受到条件独立假设的影响而将所有特征同质化的缺点，并能有效地避免噪声干扰，达到...
针对朴素贝叶斯分类算法中缺失数据填补问题，提出一种基于改进EM（Expectation Maximization）算法的朴素贝叶斯分类算法。该算法首先根据灰色相关度对缺失数据一个估计，估计值作为执行EM算法的初始值，迭代执行E步M...
针对电信企业客户流失问题，提出采用贝叶斯决策树算法的预测模型，将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合，应用到电信行业客户流失分析中，分别将移动公司的客户数据以及UCI数据纳入到模型...
朴素贝叶斯算法被广泛应用于文本分类、垃圾邮件过滤等领域，因其简单和高效而受到青睐。 第四部分讨论了生成式模型与判别式模型。生成式模型和判别式模型是机器学习中常见的两种方法。生成式模型试图对数据生成过程...
：针对基于信息论的贝叶斯网络结构学习算法中结点集越大计算效率越低的缺点，采用主元分析(PCA)对样本 数据降维，减少构造网络的结点数量，提高贝叶斯网络结构构造算法的效率。应用基于PCA 方法构造贝叶斯网络， 其...
针对朴素贝叶斯模型对分类信息过度简化和准确率低等 缺点，通过引入分级的最小风险算法和对多项式和多重贝努利估计模型进行混合的方法分别对贝叶斯过滤器进 行了改进，并进行了实验。实验结果表明，改进后的贝叶斯...
针对基于决策树和神经网络的增量学习算法的过量匹配和分类精度有限的缺点，提出了一种基于贝叶斯分类器集成的增量学习方法．综合朴素贝叶斯的增量分类和集成的增量学习方法，采用随机属性选择训练初始 SBC(simple ...
在此项目中，朴素贝叶斯文档分类器实现并应用于20个新闻组数据集，以预测给定文档将哪个新闻组发布到最大似然估计（MLE），最大后验概率（MAP）并构建朴素贝叶斯分类器并进行测试数据分为20个新闻组。 错误分类由...
该算法有效克服了贝叶斯分类属性独立性的约束和传统贝叶斯只对静态数据分类的缺点，克服了动态数据流最大的难题——数据存储问题。通过实验测试证明，基于自助抽样的贝叶斯分类具有很高的时效性和精确性。
目前看到的比较全面的分类算法,总结的还不错....2.4.1 主要分类方法介绍解决分类问题的方法很多[40-42] ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；
该方法能有效地解决投影寻踪模型中投影方向的寻优问题，并将该方法应用于文本分类，在Reuters-21578文档集上分别采用KNN和朴素贝叶斯方法进行实验，结果表明此方法能有效提取投影方向，取得了满意的分类效果，也提高...
SVM算法和朴素贝叶斯分类算法是对大量复杂数据分类中性能优秀的算法。然而它们的缺点使得分类效果受到了影响，而且传统的数据挖掘分类算法也无法满足对于海量数据的处理。针对这些问题，这里对传统的朴素贝叶斯算法...
一种基于多重朴素贝叶斯分类算法的检测方法来实现对计算机病毒的近似判别。该法可以克服病毒特征代码扫描法不能识 别未知病毒的缺点。在该检测方法的基础上，设计了一个病毒检测网络模型，该模型既可以实现对已知...
朴素贝叶斯分类器中的一个假设是：每个特征同等重要 函数 loadDataSet() 创建数据集，这里的数据集是已经拆分好的单词组成的句子，表示的是某论坛的用户评论，标签1表示这个是骂人的 createVoca
通过计算短信能量特征向量的领域密度，结合贝叶斯公式输出了短信在不同分类的分类概率．在分类过程中，还对分类概率差别较小的短信采用支持向量机进行了二次分类以提高分类效果．实验结果表明，该分类器模型具有良好...
为改进朴素贝叶斯(naive Bayes，NB)算法在识别未知恶意代码过程中学习速度慢的缺点，在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes，MNB)算法的基础上，提出了一种改进贝叶斯(half-increment naive Bayes...
近几年来，贝叶斯网络已成为数据挖掘和知识发现中的一个主要工具，在分类、聚类、预测和规则推导等方面取得了良好的应用效果。从历史数据中学习贝叶斯网络可采用基于依赖分析的方法。 常用的有：用Polytree表示...
近几年来，贝叶斯网络已成为数据挖掘和知识发现中的一个主要工具，在分类、聚类、预测和规则推导等方面取得了良好的应用效果。从历史数据中学习贝叶斯网络可采用基于依赖分析的方法。 常用的有：用Polytree表示...
讲述什么是贝叶斯分类器，有详细的算法描述，以及例题，优缺点，等等。