一種基于最小差異度的關(guān)聯(lián)分類方法
2009-01-01 00:00:00史娜張燕平
電腦知識(shí)與技術(shù) 2009年1期
摘要：關(guān)聯(lián)分類具有較高的分類精度和較強(qiáng)的擴(kuò)展性，但是由于分類器是由高置信度的規(guī)則構(gòu)成，因此有時(shí)會(huì)出現(xiàn)過擬合。因此考慮在fp-growth挖掘頻繁項(xiàng)的基礎(chǔ)上，計(jì)算頻繁項(xiàng)與測試數(shù)據(jù)間的最小差異度，即分類規(guī)則與測試數(shù)據(jù)的匹配程度。將最小差異度最小的類標(biāo)號(hào)賦予測試數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，該算法較先前算法有較高的精確度，如CBA(chssification-Based Association)，CMAR(Classifircation based on Multiple Associadon Rules)，CPAR(Classificadon based on Preldictive AssociadOn Rules)。但是不足之處是精確度提高的代價(jià)是存儲(chǔ)頻繁項(xiàng)的矩陣過于龐大，系統(tǒng)開銷不小。
關(guān)鍵詞：頻繁項(xiàng)；矩陣；最小差異性；匹配；分類
中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009－3044(2009)01－0177－03
