31、知识发现中的属性相关性、离散化及贝叶斯网络在问答领域的应用

知识发现中的属性相关性、离散化及贝叶斯网络在问答领域的应用

1. 属性相关性与离散化

在知识发现过程中,属性相关性和离散化是重要的研究内容。研究人员在作者身份归属任务中进行了大量实验,采用多种排名和离散化方法,以观察特征重要性与表示形式之间的关系,以及其对分类器性能的影响。

实验中使用了贝叶斯网络(Bayesian Network)和随机森林(Random Forest)分类器,进行选择性离散化过程,并记录不同离散化方法下的平均性能和标准差。具体离散化方法包括 dsF、dsK、duf 和 duw,数据集分为 F - writers 和 M - writers。

分类器 离散化方法 F - writers (WrapB) F - writers (Corr) F - writers (SVM) M - writers (WrapB) M - writers (Corr) M - writers (SVM)
贝叶斯网络 (Cont.domain: 91.60) dsF 79.95 ± 16.32 74.83 ± 13.94 76.74 ± 15.71 76.94 ± 03.20
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值