通过Boosting改进基于EP的分类器
显露模式(EP)是支持度从一个数据集到另一个数据集显著提高的项集. EP具有很强的区分能力,可以建立很好的分类器.提出了一种通过Boosting改进基于EP的分类器的算法BoostEP. BoostEP使用Boosting技术建立多个基于EP的基分类器形成组合分类器,并对每个基分类器预测加权投票得到未知样本的类标号.在UCI机器学习数据库的21个基准数据集上的实验表明,BoostEP的分类准确率足以与NB,C4.5,CBA和CAEP等优秀分类法相媲美。
数据挖掘 EP分类器 显露模式 Boosting改进 UCI机器学习
范明 任红伟 孙丽娜
郑州大学计算机科学系,郑州,450052
国内会议
郑州
中文
214-218
2007-05-27（万方平台首次上网日期，不代表论文的发表时间）