论文部分内容阅读
连续属性离散化在机器学习和数据挖掘领域中有着重要的作用。连续属性离散化方法是否合理决定着对信息的表达和提取的准确性。Chi2算法在对连续属性进行离散化处理时，无；中突的数据能够得到较好的结果，但是，对不协调和不完全的数据实验结果不是很理想。利用了Bayseian模型允许一定程度错误分类存在的性质，对Chi2算法进行了改进。改进后的Chi2算法不仅更适合不协调和不完全的数据，还使得区间的合并更加合理．实验结果证明了算法的有效性。