μ

1

,

μ

2

)

文科

(

μ

1

,

μ

2

)

理科

(

σ

1

2

,

σ

2

2

)

文科

(

σ

1

2

,

σ

2

2

)

(

ρ

理科

，

ρ

文科

)

语文

/

数学

(100.6,79.7)

(96.2,55.4)

(135.0,430.9)

(199.7,678.2)

(0.5526,0.6728)

语文

/

英语

(100.6,91.7)

(96.2,84.3)

(135.0,592.1)

(199.7,774.0)

(0.6995,0.7480)

语文

/

综合

(100.6,149.1)

(96.2,178.4)

(135.0,2906.1)

(199.7,1597.6)

(0.6257,0.7322)

数学

/

英语

(79.7,91.7)

(55.4,84.3)

(430.9,592.1)

(678.2,774.0)

(0.6474,0.7349)

数学

/

综合

(79.7,149.1)

(55.4,178.4))

(430.9,2906.1)

(678.2,1597.6)

(0.7756,0.7242)

英语

/

综合

(91.7,149.1)

(84.3,178.4)

(592.1,2906.1)

(774.0,1597.6)

(0.7179,0.7423)

由表

1

可见，无论是哪一类学生，其语文分数和数学分

数的相关度都是最小的。根据表

1

中的参数，可以分别构造

出不同特征选取下的最小错误率贝叶斯分类器，其中先验概

率由测试集的文理学生人数比确定，

即

。

３ 决策分类结果

选取某中学

2007

年高考成绩为测试集，包含

1028

名

学生的语文、数学、英语和综合成绩。从四个科目中两两

选择特征，利用建立起的最小错误率贝叶斯分类器对测试集

进行分类，并根据测试集的真实类别计算理科的决策错误率

P

(

error

理

)

和文科的决策错误率

P

(

error

文

)

，最后用各自的

先验概率对两个错误率加权求得总的错误率

P

(

error

总

)

，结

果见表

2

。

由表

2

可知，选取语文和数学分数为特征时，总的决策

错误率最小。

（下转第

62

页）

—   ５９   —