面向非均衡数据类的朴素贝叶斯改进算法

摘要：

针对朴素贝叶斯分类器存在对非均衡样本分类时,易将少数类样本分到多数类的问题,利用感受性曲线的性质和深度特征加权的思想,提出一种面向非均衡数据类的朴素贝叶斯加权算法(DA-WNB).为了验证该算法对不平衡数据分类的有效性,实验结果以AUC、真正类率、整体精度为指标,仿真结果表明,该算法能提高少数类分类准确率(最高达60％),且能保持较高的整体精度.

关键词：朴素贝叶斯、监督学习、感受性曲线、非均衡样本、深度特征加权、数据挖掘

所属期刊栏目：42

分类号：TN911.1-34;TP3

资助基金：省部级重点实验室开放基金项目:基于波束形成的小型风力机气动噪声识别研究201605;院级自然科学基金资助项目:汽车的振动与噪声测试NJDZJ1622

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：118-122