一种改进的选择性朴素贝叶斯方法

摘要

本发明公开的一种改进的选择性朴素贝叶斯方法，包括以下步骤：将WoE值和IV值引入属性选择中，得到与类别相关度较高的属性子集，构造朴素贝叶斯分类器；然后在其基础上进一步删除冗余属性，得到最优属性子集。本发明改进的选择性朴素贝叶斯方法现有的贝叶斯算法的基础上，将WoE和IV指标引入属性选择，提高朴素贝叶斯在属性冗余时的分类性能，同时在属性不冗余的情况下保持朴素贝叶斯的分类性能；根据阈值筛选得到第一轮属性子集，从而减少了遍历空间，解决了在减少属性维度的同时提高分类的正确性的问题。