關鍵詞：樸素貝葉斯；屬性約簡；對稱不確定性；加權

中圖分類號：Ｏ２１１． ９ 文獻標志碼：Ａ 文章編號：１００１-８３９５（２０２３）０４-０５３２-０８

ｄｏｉ：１０． ３９６９ ／ ｊ． ｉｓｓｎ． １００１-８３９５． ２０２３． ０４． ０１４

０引言

分類［１］作為數據挖掘中的一個重要研究分支，被廣泛應用于文本、生物學、多媒體等各個領域，它主要通過分析已知類別的訓練數據集來構造合適的分類模型，得到分類規(guī)則，從而對未知類別的待判樣本進行分類． 目前，已存在理論較為成熟的幾種分類算法［２３］，其中樸素貝葉斯［４５］與其他分類算法相比簡單高效，是機器學習探究領域中較為經典的分類算法，它假設屬性之間在給定類別下是條件獨立的，且每個屬性對分類的影響是相同的，但在實際問題中這些都難以被滿足，使得在應用上具有一定的局限性，其分類性能也受到影響． 于是，針對屬性的“條件獨立性假設”問題，李楚進等［６］利用主成分分析方法將原屬性集映射到新的特征空間，使得新屬性間互不相關，然后再對新屬性集建立樸素貝葉斯模型，從而提高了分類準確率；王峻［７］根據χ２ 統(tǒng)計量計算出的屬性相關性大小及文中定義的規(guī)則，刪除了所有的冗余屬性和無關屬性，以盡量滿足獨立性假設，改善了其分類效果． 另外，針對各屬性對結果影響程度相同的問題，Ｚｈａｎｇ等［８］通過計算屬性和類變量的增益比來衡量各屬性的重要性，從而提出了加權的樸素貝葉斯算法；張步良［９］將各屬性的分類準確率作為權重來建立加權樸素貝葉斯模型，提高了其分類精度；胡勝利等［１０］通過計算屬性的增益率大小與關聯度得分，將其平均值作為新的權重，提高了分類準確度；張偉等［１１］利用各待測樣本的近鄰集合來求得其各屬性的權重，得到了較好的分類結果；謝小軍等［１２］使用了核密度估計的屬性加權模型，并將條件屬性與類屬性的相關系數和互信息作為權重，增強了其分類性能． 同時，針對以上２ 個問題，楊立洪等［１３］根據各屬性的信息值和屬性間的相關性大小對屬性進行篩選，并將信息值作為權重進行加權，提升了算法的準確率；王行甫等［１４］通過ＣＦＳ 算法中的評估函數來選擇屬性集合，去除了原屬性集中的一些不相關屬性，有效地提升了分類效率；寧可等［１５］通過計算出的類條件概率來刪除類別個數相同的冗余屬性，再將保留下的屬性的平均置信度作為權重，進而提升分類效果．

因此，為了降低屬性間的相關性，并考慮到在分類過程中，不同屬性的貢獻程度不同，本文針對屬性“獨立性假設”和“各屬性對分類的影響程度相同”的２ 個問題，提出了基于屬性約簡的加權樸素貝葉斯分類算法，該算法考慮了各屬性不同取值對分類結果的影響及屬性間的相關度，從而選出分類能力強的屬性，使得被去除的屬性與類屬性的關聯度低，而與其余屬性的冗余程度高，然后再結合屬性與類變量間應該具有較高的關聯性，而屬性間應具有較低的關聯性來計算得到各屬性不同的權重，最后進行加權分類，由此得到了ＡＲＷＮＢ 模型，提高了分類準確率．

１ 樸素貝葉斯算法

樸素貝葉斯分類算法在各個領域都得到了廣泛的應用，它主要在貝葉斯定理的基礎上假設屬性之間是條件獨立的，由此計算出待判樣本在不同類別下的條件概率，然后將其判別為概率最大的那一類．