文档介绍：心理科学 Psycho l叹ical段ie:、ce Zoos,31(1):40 一44
归类不确定情境下特征预测的理性模型研究
张娟莫雷去
(华南师范大学心理系,广州,510631)
摘要探讨了Ba yes ian 规则计算公式的具体含义,进而考察了归类不确定情境下的特征预测是否符合Bay es ian 规则。包括 2
个实验:实验 1 探讨保持类别内目标成员中预测特征的比例不变,而改变类别内所有成员中预测特征的比例是否影响特征预测。
实验2 探讨保持类别内目标成员中预测特征的比例不变,进一步扩大类别内所有成员中预测特征比例的差异是否会影响特征预
测。结果表明: 类别内目标成员中预测特征的比例影响特征预测,而类别内所有成员中预测特征的比例不影响特征预测。据
此,本研究认为,M 盯phy 对Ba yes ian 规则计算公式的含义理解有偏差,其由此提出的“单类说”值得商榷。
关键词: 归类特征预测 Bay es ian 规则
1 问题与目的 Pi(j}k)‘二(2),其中P;(j}F)代表具有特征F 的物体
在某维度1上具有特征1的可能性,公式右边第一项
利用类别进行特征推理是类别的一个重要功 P (k {F )是具有观察特征F 的某物体属于类别k 的可
能,即使在无法确定目标归类的情境中,人们也会按能性,与理想算法相同;但是,第二项P;(j }k)则与理
照最可能的归类来识别目标,并且对目标的特征作想算法不同,它指的是类别k 中所有物体在维度1上
出预测,我们将这种情况称为“归类不确定时的特征具有特征j的概率,而不是类别k 中具有观察特征F
预测’,川。的物体在维度 1上具有特征j的概率。A nd er so n 指
关于归类不确定时对目标的特征进行预测的理出公式(2) 与理想公式(1) 相比损失了准确性川。
论,目前主要有两方面观点:一种是 A nde rson 提出可见,理性模型的计算公式(通常称为Bay es ian
的理性模型。该模型认为,对物体未知特征的预测规则)有两种,一种是理想算法,公式右边第二项Pi(j
等价于以下情形:n 个物体具有一个共同的可观察特压)指的是类别内具有观察特征 F 的物体(简称“目
征Fn,现在要得到某一物体在某不可见维度 1上具标成员”,下同)在维度1上具有特征j的概率,这种
有特征j的可能性,理想的做法是把这n 个物体分割是在 n 比较小的情况下的精确性高的判断模式;另
成不同的类别,然后分别用每个类别内物体在维度 1 一种算法是非理想算法,公式右边第二项Pi(j }k) 指
上具有特征j的概率乘以该类别出现的概率,再把各的是类别内所有成员在维度 1上具有特征j的概率,
个类别所得到的乘积相加,用公式可表示如下:P;(jl 这种是在 n 比较大的情况下人们可能采用的精确性
Fn)= 艺P(xIFn)P;(jlx)⋯(1),其中Pi(jIFn)表示具低一些的判断模式。但是不管按照哪一种算法,理
有特征Fn 的物体在维度1具有特征j的可能性,P(x 性模型都认为人们在不确定归类情境下进行特征推
!Fn)表示具有特征 Fn 的物体属于类别 x 的可能性, 理时会综合考虑了多个类别的信息。
P、(jl x