基于特征相关的改进加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的特征项间强独立性的假设在现实中是很难满足的。为了在一定程度上放松这一假设，提出了基于特征相关的改进加权朴素贝叶斯分类算法，该算法采用一种新的权重计算方法，这种权重计算方法是在传统词频一反文档频率(TF一IDF)权重计算基础上，考虑到特征项在类内和类间的分布情况，另外还结合特征项间的相关度，调整权重计算值，加大最能代表所属类的特征项的权重，将它称之为TF一IDF一FC权重计算。与基于传统TF一IDF权重的加权朴素贝叶斯分类算法和其他常用加权朴素贝叶斯分类算法比较，如基于属性加权的朴素贝叶斯分类算法，这种算法的分类效果均有一定的提高。