[发明专利]一种对分类数据集进行测试的方法

摘要

本发明公开了描述了一种测试分类数据集的方法。在获得分类数据集之后，若需要对其进行标准化处理，则使用绝对标准差的方式对所述分类数据集进行标准化；然后将分类数据集分成训练集和测试集，并利用小生境文化算法学习获得双重加权朴素贝叶斯多标签分类器的双重权值，然后对所述训练集进行训练，得到优化权重值；然后代入测试集进行预测。本发明在传统朴素贝叶斯多标签算法的基础上增加了数据的训练过程，然后再对分类数据集进行预测。本发明通过使用粒子群优化算法对传统的数据分类进行改进，改进后的算法可以提高分类的准确度。

主权项

1.一种对分类数据集进行测试的方法，应用于文本分类，其特征在于，所述方法包括：S1，获得所述分类数据集；S2，判断所述分类数据集是否需要标准化；若需要标准化，使用绝对标准差的方式对所述分类数据集进行标准化；S3，标准化之后，将所述分类数据集分成训练集和测试集；S4，利用小生境文化算法对双重加权朴素贝叶斯多标签分类器的双重权值进行学习，对所述训练集进行训练，得到优化权重值；S5，基于所述优化权重值，对所述测试集进行分类测试，具体为：对迭代之后获得的最后一代种群中的个体适应度值进行排序，选取最好适应度值对应的权值组合；选取所述最后一代种群的适应度值拓扑排名为前10、前20、前30的个体对应的权值组合，分别对应求取平均值，得出各自对应的3组权值组合，加上所述最好适应度值对应的权值组合；利用所述最好适应度值对应的权值组合以及所述3组权值组合，分别对所述测试集进行类标签的预测，根据实验评价准则，得出分类精度。