主动学习中后验概率尖锐现象的平滑处理
在主动学习中，朴素贝叶斯分类器的后验概率尖锐现象严重影响对候选未标样本信息量的正确评估，降低基于不确定性的采样机制的性能。为了解决朴素贝叶斯分类器后验概率尖锐的问题，本文提出了一种采样平滑技术，对朴素贝叶斯分类器的后验概率输出进行平滑处理。实验结果显示，采样平滑技术能很好地解决尖锐问题，改善基于不确定性的采样机制的主动学习性能。
主动学习 后验概率尖锐 采样平滑技术 朴素贝叶斯分类器
张希娟 朱靖波
东北大学信息学院软件与理论研究所,沈阳 110004
国内会议
苏州
中文
821-827
2007-11-01（万方平台首次上网日期，不代表论文的发表时间）