论文部分内容阅读
朴素贝叶斯算法是一种简单、高效且有着广泛应用的分类方法，但在现实中，条件独立性假设影响了其分类性能。为克服该问题，给出一种改进算法---样本-属性加权的朴素贝叶斯算法。首先，对属性计算相关系数得到属性权值；其次，利用属性权结合信息熵获得样本熵权，并据此加权样本以提高泛化能力；然后，给出了样本-属性加权的朴素贝叶斯算法；最后，在 UCI 数据集上的实验结果验证了改进算法比原算法具有更好的分类性能。