توسعه ساختار طبقه بندي كننده بيز ساده با هدف مدل سازي وابستگي متقابل شرطي ويژگي ها

طبقه بندي كننده بيز ساده به دليل كارايي بالا در پيش بيني و سادگي در ساخت مورد توجه محققين بسياري قرارگرفته است. بنيان اين طبقه بندي كننده بر اساس استقلال شرطي متغير ها (ويژگي ها) به شرط كلاس است. اگرچه، به دليل وابستگي متقابل بين ويژگي ها اين فرض در كاربرد هاي واقعي اين طبقه بندي كننده صادق نيست. از اين رو، در اين مقاله از مفهوم متغيرهاي پنهان براي ارائه مدلي تحت عنوان طبقه بندي كننده بيز ساده آميخته با متغير پنهان (MLNB) به منظور كاهش فرض استقلال شرطي و مدل سازي ويژگي ها ارائه شده است. الگوريتم اميد رياضي-بيشينه (EM) به منظور تخمين پارامترهاي مدل استفاده شده است. شبيه سازي ها بر روي 7 مجموعه داده از مخزن يادگيري ماشين دانشگاه كاليفورنيا ايرواين نشانگر اين است كه روش پيشنهادي عملكرد قابل توجهي بر اساس صحت طبقه بندي، ناحيه زير منحني ROC و معيار F-measure در مقايسه با توسعه هاي اخير بيز ساده دارد.