一种用于分类飞镖和箭头弹丸尖端的新方法

该研究提出一种贝叶斯分类方法用于考古学中武器投掷系统（飞镖与箭）的分类，结合机器学习特征选择和广义加性模型（GAM）处理变量交互，通过迭代调整决策阈值平衡敏感性及特异性，并补充西方102件已知标本数据，验证模型在现有分类中的应用价值。

　　

摘要

考古学中一个长期存在的分类问题是确定过去人们使用的武器投掷系统的类型。这通常是通过将考古发现的箭头与民族志和考古记录中的已知箭头进行比较来完成的。目前没有简单的标准来区分这两种类型的箭头，因此挑战在于识别一组特征及其相互作用以解决这一问题。在这里，我们介绍了一种用于分类箭头和飞镖的贝叶斯方法。首先，我们利用机器学习技术进行特征选择，找出最适合分类的变量集；然后，在贝叶斯逻辑框架下使用广义加性模型来模拟这些变量之间的相互作用，从而捕捉箭头和飞镖之间的非线性决策边界，并为每个类型分配相应的概率。为了解决箭头数量多于飞镖的问题，我们采用了一种迭代方法来调整决策阈值，以平衡灵敏度和特异性。我们通过添加102个来自西方的已发表样本，扩充了已知箭头和飞镖的数据库。我们的模型代码可通过在线应用程序轻松获取。我们应用该模型对已发表的箭头与飞镖分类案例进行了验证，以展示其实用性。

---

摘要

考古学中的一个长期研究课题是识别古代人们所使用的武器投掷方式。通常是通过将考古发掘出的箭头与民族志和考古记录中的已知箭头进行对比来实现的。然而，目前缺乏明确的分类标准。为了解决这一难题，我们提出了一种基于贝叶斯的分类方法。首先，我们利用机器学习算法筛选出最有效的特征变量；接着，在贝叶斯逻辑模型中分析这些变量之间的相互作用，以确定箭头与飞镖之间的非线性区分依据，并为每种类型分配概率。为了解决箭头数量多于飞镖的不平衡问题，我们采用迭代方法调整决策阈值，以达到灵敏度和特异性之间的平衡。我们还补充了102个来自西方的已知箭头和飞镖样本。该模型的代码可通过在线平台获取，便于使用。我们通过实际案例验证了该模型的有效性。

---

---