張永嬌，張華棟，劉禹欣

(大連民族學(xué)院理學(xué)院學(xué)生，遼寧大連 116605)

基于樸素貝葉斯的學(xué)生發(fā)展預(yù)測研究

張永嬌，張華棟，劉禹欣

(大連民族學(xué)院理學(xué)院學(xué)生，遼寧大連 116605)

學(xué)生信息系統(tǒng)信息量非常龐大，信息冗雜，其中成績、社會實踐、獲獎情況等與學(xué)生未來發(fā)展有著密切的聯(lián)系。利用樸素貝葉斯方法對學(xué)生信息系統(tǒng)中的數(shù)據(jù)進行有效提取和處理，并作出相關(guān)分析，分析結(jié)果能對高校各級管理部門提供有效的決策支持。

1 信息的數(shù)據(jù)化處理

把學(xué)生未來發(fā)展類C分為三個類別c1，c2，c3分別代表很好、一般和不好。對每個學(xué)生的信息提取其有效數(shù)據(jù)，將每個數(shù)據(jù)樣本表示成一個7維的向量，X={x1，x2，x3，x4，x5，x6，x7}分別代表學(xué)生的專業(yè)課平均成績、選修課平均成績、英語四級成績、社會實踐能力、獲獎得分、社會工作情況和發(fā)展趨勢。

2 數(shù)學(xué)模型

因為c1，c2，c3互不相容，且其和為總樣本空間C。根據(jù)貝葉斯定理［1］有

如果，P(ci|X) ＞P(cj|X)則 X∈ci，否則 X∈cj。

(1)式中P(X)對于所有類別都是相等的，所以判別函數(shù)可表示為

對于給定樣本的類標號，假定屬性值條件相互獨立，即在屬性間不存在依賴關(guān)系。則有P(X|。則式(2)可表示為

其中P(xk|ci)表示ci類樣本中具有屬性xk的樣本數(shù)比值，P(ci)為ci類樣本數(shù)與總樣本數(shù)的比值。對未知樣本X分類，樣本X被指派到類ci，當(dāng)且僅當(dāng) P(X|ci)P(ci) ＞ P(X|cj)P(cj)，1≤j≤3，j≠i，換言之，X被指派到P(X|ci)P(ci)最大的類ci。

3 實驗結(jié)果

用Matlab編寫程序?qū)δＰ瓦M行求解。把收集的1000個數(shù)據(jù)信息隨機分成兩組，一組作為訓(xùn)練集合，另一組作為測試集合;利用訓(xùn)練集數(shù)據(jù)學(xué)習(xí)獲得一個分類器，然后使用測試數(shù)據(jù)集對該分類器預(yù)測準確率進行評估。隨機運行10次分類平均準確率見表1。

表1 隨機運行的十次分類平均準確率

通過實際觀察可以知道，運算結(jié)果的準確率在90%以上。實驗結(jié)果表明樸素貝葉斯分類算法在學(xué)生發(fā)展預(yù)測問題上表現(xiàn)出了高準確率的特點。

［1］茆詩松.概率論與數(shù)理統(tǒng)計［M］.北京:高等教育出版社，2004.

［2］鐘珞.模式識別［M］.武漢:武漢大學(xué)出版社，2006.

TP311

A

(責(zé)任編輯 劉敏)

1009－315X(2011)05－0540－01

2010－06－18;最后

2011－03－28

指導(dǎo)教師:孟佳娜(1972－)，女，吉林四平人，副教授，博士研究生，主要從事模式識別、文本挖掘、自然語言處理等研究。