基于最小错误率贝叶斯决策的高考分数分类研究 |
您所在的位置:网站首页 › 最小错误率 › 基于最小错误率贝叶斯决策的高考分数分类研究 |
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 — |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |