灵活的增强朴素贝叶斯分类器

摘要

提出了一种新颖的基于最小描述长度(Minimum Description Length,MDL)准则的灵活的增强朴素贝叶斯分类器(Flexible Augmented Naive Bayesian classifier,FAN)算法.该算法能够根据数据集自适应地匹配从朴素贝叶斯分类器(Naive Bayesian classifier,NB)到树增强朴素贝叶斯分类器(Tree Augmented NaiveBayesian classifier,TAN)的网络结构,且保持了TAN计算简单和鲁棒性的特点.在UCI数据集上用分层交叉验证的方法对NB、TAN、FAN算法进行测试,实验结果表明FAN算法具有良好的分类精度.