用于名义属性的隐藏反向特定类距离度量方法

《ACM Transactions on Knowledge Discovery from Data》：Hidden Inverted Specific-Class Distance Measure for Nominal Attributes

属性独立性假设限制的ISCDM距离度量通过引入隐藏朴素贝叶斯的结构扩展方法，建立属性间加权依赖关系并优化条件概率估计，显著提升分类准确率。

　　

摘要

倒置特定类距离度量（ISCDM）是一种流行的距离度量方法，它使用条件概率项来计算两个名义属性值之间的距离。然而，条件概率项的可靠性受到属性独立性假设的限制，这在涉及复杂属性依赖关系的应用中会导致性能不佳。为了获得更准确的条件概率估计，在本研究中，我们通过引入结构扩展来缓解这一不现实的属性假设，从而改进了ISCDM。我们将改进后的模型称为隐藏倒置特定类距离度量（HISCDM）。在HISCDM中，采用了隐藏朴素贝叶斯的结构扩展方案来发现属性之间的加权依赖关系，并将其纳入条件概率估计中。综合实验结果表明，我们提出的HISCDM在分类准确性方面显著优于所有其他用于比较的方法。