Resumen

De las numerosas propuestas para mejorar la precisión de Bayes ingenuo (NB) debilitando el supuesto de independencia condicional, el estimador de dependencia uno promediado (AODE) demuestra un notable rendimiento de pérdida cero-uno. Sin embargo, la indiscriminación de los atributos superpaternos conlleva un coste computacional considerable y un efecto negativo en la precisión de la clasificación. En este artículo, para extraer las dependencias más creíbles, presentamos un nuevo tipo de operación bayesiana semiautónoma, que selecciona los atributos superiores mediante la construcción de un árbol de expansión ponderado máximo y elimina los atributos hijos altamente correlacionados mediante la dependencia funcional y el análisis de cobertura canónica. Nuestra amplia comparación experimental con conjuntos de datos de la UCI muestra que esta operación identifica eficazmente los posibles atributos superiores en el momento de la formación y elimina los atributos hijos redundantes en el momento de la clasificación.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:conjuntos de datos uci, análisis de cobertura canónica, supuesto de independencia condicional, considerable coste computacional, amplia comparación experimental, atributos superpadres indiscriminados, posibles atributos superpadres, operación bayesiana seminaive, atributos hijos, precisión de la clasificación
• Keywords:uci data sets, canonical cover analysis, conditional independence assumption, considerable computational cost, extensive experimental comparison, indiscriminate superparent attributes, possible superparent attributes, seminaive bayesian operation, children attributes, classification accuracy