我院蒋良孝教授指导的博士研究生张文钧在CCF-A中文期刊《中国科学：信息科学》上发表论文

发布人：石剑峰发表时间：2023-06-14点击：次

近日，我院“数据挖掘与机器学习”团队（CUG-Miner）张文钧博士以第一作者身份在CCF-A中文期刊《中国科学：信息科学》上发表了题为“一种基于偏差–方差权衡的贝叶斯分类学习框架”的研究成果。

论文的工作主要聚焦于优化朴素贝叶斯及其各类改进模型的泛化性能。研究表明，朴素贝叶斯要求的属性条件独立假设在实际应用中很难成立，其各类改进模型虽然在一定程度上削弱了这一假设，降低了模型的偏差，但同时也提高了模型的方差，因而仍然限制了模型的泛化性能。因此，研究提出了一种新颖的基于偏差–方差权衡的贝叶斯分类学习框架，该框架从偏差–方差权衡的角度出发，通过学习贝叶斯分类模型的后验概率损失来为模型同时获得较低的偏差和方差，从而进一步提升模型的泛化性能。经实验验证，现有的各类先进的贝叶斯分类模型在该学习框架下的分类性能显著优于其原始性能，同时，在该学习框架下这些模型的偏差和方差均有所降低。