{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,5,5]]，“日期-时间”：“2024-05-05T00:04:22Z”，“时间戳”：1714867462285}，“参考-计数”：20，“出版商”：“世界科学出版社有限公司”，“问题”：“01”，“内容-域”：{“域”：[]，“交叉标记限制”：false}，”short-contain惰性物质”：[“国际期刊。帕特。认可。Artif公司。智力。“]，”published-print“：{”date-parts“：[[2013,2]]}，”abstract“：”许多机器学习算法都要求特征是分类的。因此，它们要求将所有数值数据离散化为区间。本文提出了一种新的基于接收机工作特性曲线（ROC）测度的离散化方法。基于ROC曲线的最大面积离散化（MAD）是一种全局、静态、有监督的离散化方法。MAD使用特征连续值的排序顺序，并以基于该特征的AUC最大化的方式离散化特征。将该方法与ChiMerge、熵最小描述长度原则（MDLP）、固定频率离散化（FFD）和比例离散化（PD）等离散化方法进行了比较。最近提出了FFD和PD，并设计用于Na\u00efve Bayes学习。ChiMerge是一种与MAD方法一样的合并离散化方法。根据M-Measure（一种基于AUC的多类分类度量）以及使用真实数据集从Na\u00efve Bayes和Aggregating One-Dependence Estimators（AODE）算法中获得的准确度值进行评估。实验结果表明，MAD是其他离散化方法的一个很好的替代方案<\/jats:p>“，”DOI“：”10.1142\/s021800141350002x“，”type“：”journal-article“，”created“：{”date-parts“：[[2013,1,7]]，”date-time“：”2013-01-07T08:29:24Z“，”timestamp“：1357547364000}，”page“：，“前缀“：”10.1142“，“卷”：“27”，“作者”：[{“给定”：“MURAT”，“家族”：“KURTCEPHE”，“序列”：“第一”，“从属关系”：[}“名称”：“土耳其安卡拉比尔肯特大学计算机工程，06800”}，{“给出”：“H.ALTAY”，“家庭”：“G\u00dcVENIR”，“顺序”：“附加”，“附属关系”：[{“姓名”：“安卡拉比尔肯特大学计算机工程，安卡拉06800，土耳其”}]}]，“成员”：“219”，“在线发布”：｛“日期部分”：[[2013,4,5]]｝，“参考”：[｛“密钥”：“rf3”，“doi断言者”：“publisher”，“doi”：“10.1016\/S0031-3203（96）00142-2”｝，｛“密钥”：“rf8”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.pare.2005.10.010”｝，｛“密钥”：“rf9”，“首页”：“87”，“卷”：“8”，“author“：”Fayyad U.“，”年份“：”1992“，”期刊标题“：“Mach.Learn.”}，{“key”：“rf11”，“volume-title”：“信号检测理论和心理物理学”，“author”：“Green D.M.”，“year”：“1966”}、{“key”：”rf12“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/1656274.1656278“}，”{“key”：“rf13”，“doi-assert-by”：“publisher”，”doi:“10.1023\/A:1010920819831”}“，{”key“：“rf14”，“doi-asserted-by”：“publisher”，“doi”：“10.1148\/放射科.143.1.7063747”}，{“key”：“rf16”，“doi-asserted-by”：“publisher”，“doi”：“10.1023\/A:1022631118932”}}，{“key”：“rf22”，“doi-asserted-by”：“crossref”，“volume-title”：“分类和预测医学测试的统计评估”，“作者”：“Pepe M.S.”，“年份”：“2003”，“DOI”：“10.1093\/oso\/9780198509844.001.0001”｝，｛“key”：“rf23”，“DOI断言者”：“publisher”，“DOI”：“10.1007\/978-1-4612-1098-6”｝，｛“key”：“rf26”，“DOI断言者”：“publisher”，“DOI”：“10.1023\/A：1007601015854”｝，｛“key”：“rf28”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/BF00116251”}，{“key”：“rf29”，“volume-title”：“C4.5:机器学习程序”，“author”：“Quinlan J.R.”，年：“1993”}，“年份”：“1996年”，“新闻标题”：“Journal of Artificial Intelligence and Research”｝，｛“key”：“rf35”，“doi asserted by”：“publisher”，“doi”：“10.1007\\s10994-005-4258-6”｝，｛“key”：“rf36”，“doi asserted by”：“publisher”，“doi”：“10.1016\\j.patcog.2011.12.014”｝，｛“key”：“rf37”，“doi asserted by”：“publisher”，“doi”：“10.1007\\s10994-008-5083-5”｝，｛“key”：“rf39”，“doi asserted by”“：”crossref“，”首页“：“561”，“DOI”：“10.1093\/clinchem\/39.4.561”，“volume”：“39”，“author”：“Zweig M.H.”，“year”：“1993”，“journal-title”：“Clin.Chem.”}]，“container-title“：[“International journal of Pattern Recognition and Artificial Intelligence”]，“original-tittle”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\\www.worldscience.com\/DOI\/pdf\/10.1142\/S0218”00141350002X“，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2024,5,4]]，“date-time”：”2024-05-04T12:03:46Z“，“timestamp”：1714824226000}，“score”：1，“resource”：{primary“URL”：“https:\//www.worldscientific.com/doi\/abs\/10.1142\/S02800141350002X”}，“副标题”：[]，“短标题”：[]，“已发布”：{“date-parts”：[[2013,2]]}，“references-count”：20，“日志发布”：}“issue”：“01”，“published-on-line”：{“date-ports”：[[2013,4,5]]}、“publishedprint”：{-“date-parts”：[2013，2]}，”alternative-id“：[”10.1142 \/S021800141350002X“]，”URL“http://dx.doi.org \/10.1142\/s021800141 350002x“，”关系“：{}，”ISSN“：[”0218-0014“，”1793-6381“]，”ISSN-type“：[{“数值”：“0218-0014”，“类型”：“打印”}，{“值”：“1793-6381”，“种类”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2013,2]}}