连续属性离散化的Bayesian-Chi2算法

摘要

连续属性离散化在机器学习和数据挖掘领域中有着重要的作用.连续属性离散化方法是否合理决定着对信息的表达和提取的准确性.Chi2算法在对连续属性进行离散化处理时,无冲突的数据能够得到较好的结果,但是,对不协调和不完全的数据实验结果不是很理想.利用了Bayseian模型允许一定程度错误分类存在的性质,对Chi2算法进行了改进.改进后的Chi2算法不仅更适合不协调和不完全的数据.还使得区间的合并更加合理.实验结果证明了算法的有效性.