انجمن کامپیوتر ایران

طبقه¬بند بیز ساده یکی از کاراترین الگوریتم¬های طبقه¬بندی است. سادگی و دقت این روش زمانیکه پیش فرض عدم وابستگی مشخصه¬ها نقض ¬شود افت پیدا می¬کند. در این مقاله روشی مبتنی بر درخت تصمیم¬گیری برای رفع مشکل بیز ساده در مجموعه-هایی با مشخصه¬های وابسته ارائه می¬شود. در روش ارائه شده (Information Gain - Naïve Bayes) مشخصه¬هایی که در سطح اول درخت تصمیم¬گیری دارای کمترین قدرت تفکیک باشند با توجه به تعداد کل مشخصه¬ها حذف شده و مشخصه¬های باقیمانده به بیز ساده داده می¬شود. انجام فرایند پیش پردازش مشخصه¬ها براساس روش IG-NB منجر به بهبود عملکرد الگوریتم بیز ساده در دامنه¬هایی با مشخصه¬های وابسته به هم می¬شود. علاوه براین روش IG-NB در این پژوهش، به دلیل حذف مشخصه های کم اهمیت، سرعت محاسبه الگوریتم را برای مشخصه¬های باقی مانده افزایش می¬دهد. روش IG-NB روی شش مجموعه از مجموعه داده¬های UCI تست شده و نتایج بدست آمده نشانگر کارایی قابل قبول روش می ¬باشد.