Directional naive Bayes classifiers

López-Cruz, Pedro L.; Bielza Lozoya, María Concepción y Larrañaga Múgica, Pedro María (2015). Directional naive Bayes classifiers. "Pattern Analysis And Applications", v. 18 (n. 2); pp. 225-246. ISSN 1433-7541. https://doi.org/10.1007/s10044-013-0340-z.

Descripción

Título: Directional naive Bayes classifiers
Autor/es:
  • López-Cruz, Pedro L.
  • Bielza Lozoya, María Concepción
  • Larrañaga Múgica, Pedro María
Tipo de Documento: Artículo
Título de Revista/Publicación: Pattern Analysis And Applications
Fecha: 2015
Volumen: 18
Materias:
Palabras Clave Informales: Supervised classification; Naive Bayes classifier; Directional statistics; von Mises distribution; von Mises–Fisher distribution
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

Directional data are ubiquitous in science. These data have some special properties that rule out the use of classical statistics. Therefore, different distributions and statistics, such as the univariate von Mises and the multivariate von Mises–Fisher distributions, should be used to deal with this kind of information. We extend the naive Bayes classifier to the case where the conditional probability distributions of the predictive variables follow either of these distributions. We consider the simple scenario, where only directional predictive variables are used, and the hybrid case, where discrete, Gaussian and directional distributions are mixed. The classifier decision functions and their decision surfaces are studied at length. Artificial examples are used to illustrate the behavior of the classifiers. The proposed classifiers are then evaluated over eight datasets, showing competitive performances against other naive Bayes classifiers that use Gaussian distributions or discretization to manage directional data.

Más información

ID de Registro: 41014
Identificador DC: http://oa.upm.es/41014/
Identificador OAI: oai:oa.upm.es:41014
Identificador DOI: 10.1007/s10044-013-0340-z
URL Oficial: http://link.springer.com/article/10.1007/s10044-013-0340-z
Depositado por: Memoria Investigacion
Depositado el: 25 Oct 2016 07:54
Ultima Modificación: 25 Oct 2016 07:54
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM