大数据环境下朴素贝叶斯分类算法的改进与实现

编号 zgly0000919577

文献类型 期刊论文

文献题名 大数据环境下朴素贝叶斯分类算法的改进与实现

作者 张春  郭明亮 

作者单位 北京交通大学计算机与信息技术学院 

母体文献 北京交通大学学报 

年卷期 2015(2)

页码 35-41

年份 2015 

关键词 MapReduce  朴素贝叶斯  分类算法  关联规则  置信度  动车组 

文摘内容 朴素贝叶斯分类算法是一种简单并且高效的分类算法,但条件独立性假设在现实中很难满足,导致其性能有所下降.为了解决该问题,本文在关联规则和置信度的基础上对该分类算法进行了改进.通过挖掘出来的关联规则和该规则的置信度,对不同的属性赋予不同的权重,同时实现了该分类算法的MapReduce化,从而在保持简单性的基础上有效地提高了朴素贝叶斯分类算法的分类性能.动车组运维实验表明:该算法提高了分类的准确率和效率。