An Improved Algorithm of Averaged One-
dependence Estimators Bad on Attribute
Weighting
作者： 秦怀强；赵茂先
作者机构： 山东科技大学数学与系统科学学院，山东青岛266590
出版物刊名： 统计与信息论坛
页码： 8-12页
年卷期： 2018年 第5期
主题词： 分类；平均单一依赖估计；相关系数；属性加权
摘要：平均单一依赖估计算法（averaged one-dependence estimators,AODE）是通过放松朴素贝叶斯
算法的假设条件得到的一种更加高效的分类算法，但AODE算法将所有父属性对分类的贡献程度看成是一样的，这使得AODE算法的分类效果受到限制。针对这个问题，利用相关系数Tau-y和Lambda-y分别计算各个特征属性对分类的贡献程度，并用计算结果对父属性加权，得到了两个改进的AODE算法：T-AODE和L-AODE算法。然后，利用加利福尼亚大学的埃文斯（University of California Irvine,UCI）标准数据集在Eclip上对这两个算法进行分类实验，结果显示两个改进的AODE算法的精确度要优于原始AODE算法。
