数据挖掘中贝叶斯分类算法的研究陈红玉.pdf

陈红玉：数据挖掘中贝叶斯分类算法的研究 ·多媒体技术· 数据挖掘中贝叶斯分类算法的研究 陈红玉 （铁道警官高等专科学校，河南 郑州 450001 ） 摘 要：随着数据挖掘理论和技术的发展,分类挖掘的技术也逐渐趋向成熟, 出现了许多有效的分类算法。本文简要叙 述了数据挖掘及常用的几种挖掘方法，重点阐述贝叶斯算法的原理及应用，并以文本分类为实例建立了贝叶斯分类模型。 关 键 词：数据挖掘；分类；贝叶斯 中图分类号：TP311 文献标识码：A Analysis of Bayesian Classification Algorithm in Data Mining CHEN Hong-yu （Railway Police College ，Henan Zhengzhou 450001 ） Key words ：data mining ；classification ；Bayesian 关联等；聚类（Clustering），是对记录分组，把相似的记录聚在一 1 引言 个集合里，焦点集中在数据间的相似性；分类（Classification），是 随着计算机软硬件的发展，社会各行业信息化程度不断加 根据分类集建立模型，该模型用于对未分类数据集分类；估值 深，一方面数据处理对于社会生产生活的影响也越加深远，数据 （Estimation ），估值与分类类似，但估值处理连续值的输出，且估 存量急剧增长。而另一方面，大量的存储空间使数据资源并没 值的量是不确定的；预言（Prediction ），是通过分类或估值得出模 有完全被利用，人们一面淹没于海量数据中，一面却仍感到知识 型，该模型用于对未知变量的预言，在数据挖掘中是归纳推理； 匮乏,出现所谓“数据爆炸而信息贫乏”的现象。究其原因，是因 偏差检测（Deviation Segmentation），是发现数据库中的异常数 为数据库及其管理技术以及相关数据处理工具，在信息的获取 据，利用偏差检测进行数据清洗。 57 方面有一定的局限性，只能获取其中的一部分信息，远不能满足 2.1 分类分析（Classification ） 人们的需求。事实证明，在数据中隐藏着的这些重要信息，不仅 分类即学会一个分类函数或分类模型（也常常称作分类器）, 能更深层次反映出数据间存在的潜在关系，在各项决策中也具 利用该模型把数据库中的数据项映射到给定类别集合中的某一 有重要的参考价值。数据挖掘DM（Data Mining）的任务正是发 个。分类分析可以描述为：一组记录集合和一组具有不同特征 现这些被忽略的信息，从中产生效益。 的类别，这组类别称为标记（TAG ），按标记分类记录，即将记录 数据挖掘DM（Data Mining）被定义为找出数据中模式的过 集合中的每一条记录赋予一个标记，对这些标记分类的记录进 程，即对数据库中数据进行一定的处理，从大量的、不完全的、有 行检测评估，以一定的方式表述出记录的特征，利用学会的分类 噪声的、模糊的、随机的数据中提取隐含的、事先未知、但又是潜 函数或分类模型，来对未知的新数据进行分类。 在有用的信息和知识的过程。工作步骤如下：首先，确定挖掘对 分类分析是数据挖掘的众多分支中一个重要分支，在众多 象，有哪些信誉好的足球投注网站有关的内部和外部数据信息,并从中选择出适用于数据 行业中都有广泛的应用,在过去的十多年中引起很多来自不同领 挖掘应用的数据。其次，研究数据质量做数据准备工作，例如数 域学者的关注和研究。按构造分类器的技术特点，可将分类算 据