贝叶斯分类器的判别式参数学习

？为了提高贝叶斯分类器的分类性能，针对贝叶斯网络分类器的构成特征，提出一种基于参数集成的贝叶斯分类器判别式参数学习算法pebnc。该算法将贝叶斯分类器的参数学习视为回归问题，将加法回归模型应用于贝叶斯网络分类器的参数学习，实现贝叶斯分类器的判别式参数学习。实验结果表明，在大多数实验数据上，pebnc能够明显提高贝叶斯分类器的分类准确率。此外，与一般的贝叶斯集成分类器相比，pebnc不必存储成员分类器的参数，空间复杂度大大降低。