---

رده‌بندی داده‌های دقیق تا کنون با روش‌های مختلف و در ابعاد وسیعی مورد بررسی و تحلیل قرار گرفته است، اما داده‌هایی که برای رده‌بندی مورد استفاده قرار می‌گیرند همیشه مقدار مشخص و دقیقی ندارند. از آن‌جا که نوع مقیاس داده‌ها متفاوت است، مقدار داده ممکن است در یک بازه قرار گیرد که در این صورت‏، مسئلۀ رده‌بندی داده‌های نادقیق مطرح می‌شود. در سال‌های اخیر با فرض نرمال بودن توزیع حاکم بر داده‌های نادقیق، برآوردهای مختلفی برای میانگین و واریانس این توزیع ارائه‌شده است. در این مقاله با فرض این‌که توزیع حاکم بر داده‌های نادقیق توزیع نرمال دو‌متغیره باشد، با روش ماکسیمم درست‌نمایی بر روی مقادیر دو سر بازه داده‌های نادقیق، میانگین و واریانس این توزیع را برآورد کرده‌ایم. سپس با استفاده از رده‌بندی سادۀ بیزی، یک مدل آمیختۀ بیزی برای رده‌بندی داده‌های دقیق و نادقیق ارائه ‏کرده‌ایم. همچنین دقت و کارایی مدل ارائه‌شده بررسی شده است.

---

تحلیل ردۀ نهان ‎(LCA)‎ روشی برای ارزیابی خطاهای غیر نمونه‌گیری، به‌خصوص خطای اندازه‌گیری داده‌های رسته‌ای است. ‎[1]‎، چهار رهیافت مدل‌بندی ردۀ نهان، یعنی

پارامتری‌سازی مدل احتمالاتی، مدل لگ خطی، مدل مسیر تعدیل‌یافته و مدل نموداری را با استفاده از نمودارهای مسیر معرفی کرده است. این

مدل‌ها قابل تبدیل به یکدیگرند. مدل‌های احتمالاتی ردۀ نهان، درست‌نمایی جدول رده‌بندی تقاطعی متغیرها را بر حسب احتمال‌های شرطی

و حاشیه‌ای مربوط به هر خانۀ این جدول بیان می‌کند. در این رهیافت پارامترهای مدل با استفاده از الگوریتم ‎EM‎ براورد می‌شوند. برای

آزمون مدل ردۀ نهان، آمارۀ خی‌دو به‌عنوان ملاک نیکویی برازش معرفی شده است. در این مقاله از ‎LCA‎ و داده‌های یک آمارگیری کوچک

مقیاس برای محاسبۀ خطای بد‌رده‌بندی (که یک نوع خطای اندازه‌گیری است) نسبت دانشجویانی که دست کم در یک درس مردود شده‌اند و نیز خطای بد‌رده‌بندی نسبت دانشجویانی که دست کم یک‌بار مشروط شده‌اند، استفاده شده است. 

---

امروزه تشخیص بیماری‌ها با استفاده از هوش مصنوعی و الگوریتم‌های یادگیری ماشین از اهمیت بسیار بالایی برخوردار است، چرا که با استفاده از داده‌های موجود در زمینه مطالعاتی بیماری مورد نظر می‌توان به اطلاعات و نتایج سودمندی دست یافت که از رخداد بسیاری از مرگ ومیر‌ها می‌کاهد. از جمله این بیماری‌ها می‌توان به تشخیص بیماری دیابت که امروزه با توجه به رشد زندگی شهرنشینی و کاهش فعالیت افراد گسترش یافته است، اشاره کرد. ‌پس تشخیص این موضوع که فرد به بیماری دیابت مبتلا می‌گردد یا خیر از اهمیت بسیار بالایی برخوردار است. در این مقاله از مجموعه داده مربوط به اطلاعات افرادی که آزمایش تشخیص دیابت را انجام داده‌اند استفاده شده است. این اطلاعات مربوط به 520 نفر است، 
عمل رده‌بندی افراد به دو دسته که آیا نتیجه آزمایش دیابتشان مثبت است یا خیر صورت می‌گیرد و از روش‌های رده‌بند بیزی مانند ماشین بردار پشتیبان بیزی، بیز ساده، CN$ و روش‌ رده‌بند ترکیبی کت‌بوست استفاده شده است تا بتوان نتیجه گرفت که کدام یک از این روش‌ها می‌توانند توانمندی بهتری برای تحلیل داده‌ها داشته باشند و همچنین برای مقایسه این روش‌ها از معیار‌های دقت، صحت، وضوح، حساسیت و نمودار راک استفاده شده است.