一种基于均值的多维样本空间分类器的设计与实现

摘要：

分类算法是机器学习的一个重点,是有监督的学习.论文设计并实现了一种基于均值的多维样本空间分类器.对每个训练样本属性,计算该属性的类别X平均值和非类别X平均值的中值,作为类区分值,构建分类器;并进行分类测试,小于分离值的计为类别X,大于分离值的计为非类别X.然后根据类别X和非类别X属性的个数,由多数方决定最后的类别预测;最后以美国加州大学埃尔文分校的机器学习库中的乳腺癌病人肿瘤组织属性数据为样本进行实验.实验表明该分类器简单易行,准确率高.

关键词：分类器、属性、类别X、分离值

所属期刊栏目：49

分类号：TP181(自动化基础理论)

在线出版日期：2021-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：417-420