本文主要研究了基于Copula函数改进的朴素贝叶斯分类算法与k近邻分类算法在文本分类问题中的应用,并利用Copula理论分析了学生成绩极端分数与平均分数的相关性关系。首先,以在豌豆荚应用商店中搜集到的对于各类手机软件功能进行描述的文本数据,以及在某高校中搜集到的学生线性代数期末考试成绩,作为本文的样本数据进行研究。接下来,本文将基于Copula函数的贝叶斯分类算法应用于本文搜集到的文本数据中,将该算法对于数据的分类效果与传统的朴素贝叶斯分类算法的分类效果进行对比,实证研究表明,基于Copula函数的贝叶斯算法相比于传统的朴素贝叶斯算法具有更高的分类准确率。然后,将基于Copula函数的相关性度量作为k近邻算法中的距离测度,构建了改进的k近邻算法,将改进的算法应用于文本分类问题中,并与普通k近邻算法进行比较,结果发现,基于Copula函数的k近邻算法的分类准确率得到了有效提升。最后,根据Copula理论对学生成绩的极端分数与平均分数之间建立了最优Copula模型,并依据基于Copula模型的秩相关系数与尾部相关系数,分别对学生成绩最高分与平均分、最低分与平均分之间的相关关系进行了刻画,实证结果表明,学生成绩最低分与平均分之间的相关性要稍强于最高分与平均分之间的相关性。