基于信息熵的懒散关联分类方法

摘要

懒散关联分类针对每个待分类实例的特征进行分类关联规则的挖掘,通常能取得较高的准确率.然而,由于某些数据集中存在一些质量不好的特征,将影响懒散关联分类的准确率.此外,分类耗时较长是懒散关联分类另一个缺点.针对上述问题,提出了一种基于信息熵的懒散关联分类算法.该算法以信息熵度量属性值的质量,仅选取每个待分类实例中最好的k个属性值,将得到规模较小且与待分类实例紧密相关的训练子集,从中高效挖掘到高质量的规则.实验表明,与懒散关联分类相比,基于信息熵的懒散关联分类方法提高了分类准确率,并极大减少了运行时间.