论文部分内容阅读
关联分类是通过挖掘训练集中数据属性和类别标号之间的关联,从而利用这些规则来为新数据预测类别的分类技术.近年来的研究指出,这种分类技术比C4.5等传统的分类方法具有更高的准确性和更好的效率,因此得到了广泛的关注.然而,之前的工作关注于如何在支持度-置信度的框架上实现这种分类技术,因而存在支持度-置信度框架中阈值指定依赖经验、关联规则产生偏见等问题.提出了一个基于相关性分析的关联分类算法,直接从训练数据集中抽取k个最好的正相关和负相关规则用于分类,从而避免复杂的阈值指定和偏见规则等问题.大量的实验证明,该算法比C4.5算法具有更高的准确性。