分类是数据挖掘中非常重要的一类技术,其中的贝叶斯分类器是应用概率统计学知识进行分类的算法。一般来讲,同一个分类器针对不同的数据集,其分类精度会有着相当大的差异。这种差异部分地是由于数据集本身的质量所引起。数据质量的不同度量方式对不同分类算法所表现出的分类性能的差异可能是非常不同的。由于贝叶斯分类器原理清晰,易于分析以及高效性,故本文以贝叶斯分类器为基础,研究数据集的质量特征与评价方法。本文在充分而深入的对相关理论,包括分类技术,数据质量,遗传算法进行了说明和分析之后,介绍了Weka这一数据挖掘实验平台,重点分析了Weka下的数据过滤器的结构和使用,以及每个子类的功能和实现原理,并对如何实现一个过滤器进行了说明。然后,提出了采用最优保存简单遗传算法作为搜索方法,使用随机抽样分类测试作为适应性函数,也就是数据质量的定量化指标,来设计并实现实例选择的算法。同时使用UCI数据集在Weka平台上实现进行了实验。其中详细地介绍了实验的过程,并展示了不同参数设置下的结果,最后对结果进行比较和分析。上述研究表明,该抽样方法不仅可以在至少不降低分类器精度的前提下,大幅度的降低计算代价,而且对部分数据集还可以有效地提高分类器的分类精度。这就从实验上验证了数据集的质量可以以这种定量化的标准来衡量,并且这种标准可以用于数据挖掘中的数据采集和预处理工作,作为其启发性函数进行指导,对于降低数据集规模和提高分类精度具有重要的实际意义。