基于贝叶斯推理的决策树模型
周亚同 张太镒 卢照敢
西安交通大学电子与信息工程学院,西安710049
摘 要:
针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％． (共4页)
学科分类:
TP18[工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论]
相关期刊
关注本文的人:
看过本文的人还看过:
cqvip.com