基于lazy方法的数量型关联分类

摘要：

传统关联分类方法处理数量型数据时,“先离散,再学习”的步骤使新的测试样例可能无法找到合适的离散区间,形成离散盲目性问题.基于lazy的数量型关联分类作为一种新的关联分类法,它首先利用K-近邻分类思想为测试样例求得K-近邻作为新的训练数据集,然后对包含测试样例和K个近邻的数据集离散化,并在K-近邻组成的离散数据集上挖掘关联规则并构造分类器进行分类.最后,通过与传统CBA、CMAR、CPAR算法在7个常用UCI数量型数据集上进行的对比实验结果表明,基于lazy的数量型关联分类方法的平均分类准确率提高了0.66％～1.65％,证明了该方法的可行性.

关键词：数据挖掘、lazy方法、数量型关联分类、关联规则、K-近邻

所属期刊栏目：33

分类号：TP311;TP18(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61103114;重庆市高等教育教学改革研究重点资助项目112023;中央高校基本科研业务基金资助项目CDJXS11181164;“211工程”三期建设资助项目S10218

在线出版日期：2013-10-21（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：2184-2187