Naive Bayesian Classifier Using Boosting Mechanism
Lin Cui, Fu Keming, Shi Shengshu, Hantao Song · Computer Engineering and Applications Journal · 2005
Naive Bayesian分类器是一种有效的文本分类方法,但由于具有较强的稳定性,很难通过Boosting机制提高其性能.因此用Naive Bayesian分类器作为Boosting的基分类器需要解决的最大问题,就是如何破坏Naive Bayesian分类器的稳定性.提出了3种破坏Naive Bayesian学习器稳定性的方法.第一种方法改变训练集样本,第二种方法采用随机属性选择社团,第三种方法是在Boosting的每次迭代中利用不同的文本特征提取方法建立不同的特征词集.实验表明,这几种方法各有其优缺点,但都比原有方法准确、高效.