نویسندگان
1 دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، ایران
2 پژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران
چکیده
طبقه بندی کننده بیز ساده به دلیل کارایی بالا در پیش بینی و سادگی در ساخت مورد توجه محققین بسیاری قرارگرفته است. بنیان این طبقه بندی کننده بر اساس استقلال شرطی متغیرها (ویژگی ها) به شرط کلاس است. اگرچه، به دلیل وابستگی متقابل بین ویژگی ها این فرض در کاربردهای واقعی این طبقه بندی کننده صادق نیست. از این رو، در این مقاله از مفهوم متغیرهای پنهان برای ارائه مدلی تحت عنوان "طبقه بندی کننده بیز ساده آمیخته با متغیر پنهان (MLNB)" به منظور کاهش فرض استقلال شرطی و مدل سازی ویژگی ها ارائه شده است. الگوریتم امید ریاضی- بیشینه (EM) به منظور تخمین پارامترهای مدل استفاده شده است. شبیه سازیها بر روی 7 مجموعه داده از مخزن یادگیری ماشین دانشگاه کالیفورنیا ایرواین نشانگر این است که روش پیشنهادی عملکرد قابل توجهی بر اساس صحت طبقه بندی، ناحیه زیر منحنی ROC و معیار F-measure در مقایسه با توسعه های اخیر بیز ساده دارد.
کلیدواژهها