基于SODM的貝葉斯分類器結構學習及其在客戶分類中的應用

作者：肖進,賀昌政

摘要：將自組織數據挖掘理論引入貝葉斯分類中，提出一種新穎的貝葉斯分類器結構學習算法。算法將基于依賴分析和評分搜索兩種貝葉斯網絡結構學習思想相接合，根據互信息測度值選擇初始模型，用貝葉斯評分作為篩選中間模型的外準則，能夠在不同數據集上完成自適應建模過程，包括選擇進入模型的變量、確定具有最優復雜度的模型結構等。在10個UCI數據集上進行分類測試，結果表明，貝葉斯分類器結構學習算法分類器的分類精度要高于常用的樸素貝葉斯、樹擴展樸素貝葉斯以及基于K2算法的分類器。進一步地，在信用卡客戶分類數據集german上的學習曲線和抗干擾試驗還表明，與樸素貝葉斯、樹擴展樸素貝葉斯以及K2等分類器相比，貝葉斯分類器結構學習算法分類器具有更加穩定的分類性能和更強的抗干擾能力。

發文機構：四川大學工商管理學院

關鍵詞：貝葉斯分類器結構學習自組織數據挖掘客戶分類Bayesian classifierstructure learningself-organize data miningcustomer classification

分類號： F713.50[經濟管理—市場營銷][經濟管理—產業經濟]