BDBComp
Parceria:
SBC
Uma Proposta para Reduzir a Hipótese de Independência Condicional do Classificador Naive Bayes

Klenilmar L. DiasMateus de A. PongelupeWalmir M. CaminhasLuciano de Errico

O algoritmo Naive Bayes gera classificadores probabilísticos utilizando a Teoria de Bayes, a qual combina conhecimentos anteriores de uma determinada classe através de evidências selecionadas no conjunto de dados. Parte da hipótese que todos os atributos são independentes dado a classe. Apesar dessa hipótese ser pouco realista, os classificadores Naive Bayes são muito eficientes para tarefas de classificação que envolvam a combinação de outros classificadores. Porém, seu desempenho pode ser afetado de forma negativa quando d´a existência de atributos redundantes ou atributos fortemente correlacionados. O objetivo deste artigo é apresentar uma nova abordagem em relação ao relaxamento da hipótese da independência entre os atributos, tornando a matriz de covariância dos atributos, uma matriz definida positiva e simétrica, deixando de assumir a indepêndencia entre os atributos.

http://www.lbd.dcc.ufmg.br/colecoes/eniac/2016/050.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD