Kết hợp phân tích thành phần chính và phương pháp bayes trong phân loại dữ liệu kiểu số.

Abstract

Nghiên cứu việc kết hợp phân tích thành phần chính (PCA) và phương pháp Bayes nhằm nâng cao hiệu quả phân loại dữ liệu số có số chiều lớn và tồn tại tương quan giữa các biến. Trước hết, luận văn trình bày cơ sở lý thuyết về PCA, Bayes và một số phương pháp phân loại phổ biến như Fisher, Logistic và KNN. Trên cơ sở đó, một quy trình phân loại kết hợp PCA–Bayes được xây dựng nhằm giảm chiều dữ liệu, hạn chế đa cộng tuyến và cải thiện độ chính xác mô hình. Mô hình đề xuất được áp dụng vào bài toán phân loại dữ liệu bệnh tim với các bước xử lý, mô phỏng và đánh giá cụ thể bằng phần mềm R. Kết quả thực nghiệm cho thấy phương pháp kết hợp PCA–Bayes cho hiệu quả phân loại tốt hơn so với nhiều mô hình truyền thống. Luận văn góp phần khẳng định vai trò của PCA như một bước tiền xử lý quan trọng trong các bài toán phân loại dữ liệu nhiều chiều.