TAN(Tree-Augmented Na?ve Bayes)将贝叶斯网络表示依赖关系的能力与朴素贝叶斯的简易性相结合,体现了学习的效率与准确地描述属性之间相关性的一种适当的折衷,与朴素贝叶斯分类器相比,其分类性能明显优于朴素贝叶斯分类器。文本主要面向文本分类问题研究基于TAN分类器的集成学习方法,给出了一种性能较优的基于不同特征子空间的TAN集成方法FRS-TAN,实验结果显示:相对于性能最优的单个TAN分类器,基于特征子空间集成的FRS-TAN集成方法在文本分类性能上有所提升。
相关报道:
特别声明:本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。