摘要
由於簡易貝氏分類器具有使用簡便、運算速度快與分類正確率佳等優勢，目前已廣泛應用於許多資料探勘的分類預測上。惟簡易貝氏分類器係以貝氏定理為基礎，透過計算事件發生的機率進行預測，因此預測的資料以離散型態資料為主；倘若欲進行連續型態資料預測時，則必須使用離散化的前置處理，也因而可能會影響其分類正確率。過去曾有學者針對連續型態資料的離散化方法進行研究，結果發現使用最小entropy離散化方法能提升簡易貝氏分類器之分類正確率，但由於entropy方法的運算複雜度較高，所以若能減少離散化的屬性個數，則更有助於其在簡易貝氏分類器之應用。是故，本研究藉由同樣以貝氏定理為基礎的貝氏屬性挑選法，事先排除一些冗餘或不重要屬性的干擾，再進行連續型態資料之離散化及分類預測。最後研究結果顯示，使用貝氏屬性挑選法搭配最小entropy離散化方法，除了可減少連續型態資料的離散化個數並降低運算複雜度外，更能提升簡易貝氏分類器之分類效能。