仿真实现调整离群点提高分类器分类效率的算法

摘要

该文提出删除离群点。然后在训练集上重新建立分类模型,对相应检验集进行分类。该文用调整的10-折交叉验证评估分类器的分类准确率。在UCI机器学习数据库的多个数据集上的实验结果表明,C4.5、5-NN、Backpropagation等多个经典分类算法的分类准确率都有所提高;且在这些数据集上,这些分类器的平均分类准确率都有显著提高。