一种基于属性加权的朴素贝叶斯分类模型改进方法

摘要

本发明公开了一种基于属性加权的朴素贝叶斯分类模型改进方法，涉及数据处理分类领域。本发明包括如下步骤：S1、数据预处理；S2、计算分组斯皮尔曼系数，剔除冗余属性，更新数据集；S3、求出各类的先验概率和类条件概率；S4、计算更新后的训练集每个属性的加权系数；S5、根据加权后的改进模型进行分类，并统计分类结果。本发明通过属性加权的方式有效的弱化了朴素贝叶斯分类模型的条件独立性假设，并且通过斯皮尔曼系数剔除了冗余属性，改进模型明显的提高了朴素贝叶斯模型的准确性和效率。