基于多属性联合的朴素贝叶斯分类算法

朴素贝叶斯分类算法由于条件独立性假设对属性施加了一定的限制,这可能会降低分类性能。针对此问题,为了削弱条件独立性假设对分类结果带来的负面影响,从结构扩展的角度提出了一种基于多属性联合的朴素贝叶斯分类算法。该算法通过计算条件属性组合相对于决策属性依赖度的大小,选择最大相对属性依赖度的属性组合进行联合作为新的条件属性。通过实验仿真,结果表明该方法可行而且有效,特别是对一些属性之间关联性比较强的数据集,分类效果提高尤为明显。