一种提升正则化朴素贝叶斯判别力的半监督自适应判别离散化方法

近年来，许多具有增强判别能力的改进朴素贝叶斯方法被提出。其中，正则化朴素贝叶斯（RNB）通过平衡判别力与泛化能力取得了优异性能。数据离散化在朴素贝叶斯中十分重要。通过将相似值分组到同一区间，可以更好地估计数据分布。然而，包括RNB在内的现有方法常将离散化为过少区间，可能导致显著的信息损失。为解决该问题，我们提出了一种用于朴素贝叶斯的半监督自适应判别离散化框架，其通过伪标签技术利用有标签与无标签数据来更好地估计数据分布。所提方法还利用自适应判别离散化方案显著减少了离散化过程中的信息损失，从而极大提升了分类器的判别力。所提出的RNB+，即采用该离散化框架的正则化朴素贝叶斯，在广泛机器学习数据集上进行了系统评估，其显著且一致地优于最先进的NB分类器。