用于大数据挖掘的二阶依赖树增广贝叶斯分类器工作方法

摘要

本发明提出了一种用于大数据挖掘的二阶依赖树增广贝叶斯分类器工作方法，包括如下步骤：S1，获取海量数据，根据该数据的属性通过贝叶斯网络进行训练学习；S2，向贝叶斯分类器中引入了属性分级的策略方法，将树增广贝叶斯分类器扩展成为二阶的贝叶斯分类器；S3，建立二阶依赖树增广贝叶斯分类器，将建立完成的二阶依赖树增广贝叶斯分类器导入所获取的数据，根据数据的属性对该数据进行分类匹配，从而准确得到该属性的数据。本发明选择TAN分类器为研究对象，将TAN属性间的依赖关系扩展至二阶，并采用属性分级的策略，提出了二阶依赖树增广朴素贝叶斯分类器结构的设计方法。本发明提高了数据挖掘的准确性。