一种基于机器学习的数据库集成方法  

作　　者：曲维阳 何丽丽[1] 

机构地区：[1]佳木斯大学信息电子技术学院

出　　处：《中国科技信息》2022年第9期90-92,共3页China Science and Technology Information

基　　金：国家级大学生创新创业训练计划项目(202110222092);佳木斯大学教育教学改革项目(2021JY1-46)。

摘　　要：为克服传统方式中不能根据训练的样本数量设定最优网络模式,集中效能低下的缺点,采用机器学习研究数据库与小数据集的并行集成训练方式。机器学习采用朴素贝叶斯算法,通过统计目标先验概率,利用贝叶斯定理求出目标其后验概率进行比较,从而实现决策分析,在原有数据库系统上对基础类别器进行培训,对原数据库小数据集样本分布进行调整,将其作为新数据集中对基础类别器加以培训,采用算法将其结合到一起,形成强分类器,完成了对原数据库小数据集的综合处理。

关 键 词：机器学习 朴素贝叶斯算法 数据库集成 小数据集 数据库系统 先验概率 网络模式 后验概率 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP311.13[自动化与计算机技术—控制科学与工程]