文献

J-GLOBAL ID：202002248541220002   整理番号：20A2786667

属性とインスタンス重み付きナイーブBayes【JST・京大機械翻訳】

Attribute and instance weighted naive Bayes

著者 (4件)： Zhang Huan (School of Computer Science, China University of Geosciences, Wuhan 430074, China) ,  Jiang Liangxiao (School of Computer Science, China University of Geosciences, Wuhan 430074, China) ,  Jiang Liangxiao (Hubei Key Laboratory of Intelligent Geo-Information Processing, China University of Geosciences, Wuhan 430074, China) ,  Yu Liangjun (School of Computer Science, Hubei University of Education, Wuhan 430205, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 111  ページ： Null  発行年： 2021年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ナイーブBayes(NB)は,トップ10データマイニングアルゴリズムの1つであり続けているが,その条件付き独立仮定は,実世界アプリケーションにおいて真に当てはまらない。したがって,属性重みづけとインスタンス重み付けを含む改良手法の多くの異なるカテゴリーが,この仮定を軽減するために提案された。しかし,これらのアプローチのほとんどは属性重みづけとインスタンス重みづけに注意を払わない。本研究では,属性重みづけとインスタンス重みを1つの均一フレームワークに組み合わせる属性とインスタンス加重ナイーブBayes(AIWNB)と呼ぶ新しい改良モデルを提案した。AIWNBでは,属性重みをナイーブBayes分類公式に組み込み,次に,事前と条件付き確率をインスタンス加重訓練データを用いて推定した。インスタンス重みを学習するために,著者らは,eagerアプローチとラザイアプローチを単一化し,従って,AIWNBEとAIWNBLとして示す2つの異なるバージョンを作成した。広範な実験結果は,AIWNBEとAIWNBLの両方がNBとすべての既存の最先端の競争者よりも著しく優れていることを示す。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  応用プログラム ,  重みづけ
準シソーラス用語： 訓練データ ,  条件付確率 , 【Automatic Indexing@JST】

著者キーワード (5件)： ナイーブBayes ,  属性重みづけ ,  インスタンス重みづけ ,  Eager学習 ,  遅延学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 属性 ,  インスタンス