机器学习（分类器）

• 构造分类器的主要步骤：

  一,数据的划分：训练数据和测试数据

1. 保持的方法：三分之二的数据做训练集，另外三分之一的数据做测试集。在测试集上的分类精度作为最终的分类精度
2. k折交叉验证方法：将数据集随机分成大致相当的k份，s1,s2,s3,s4…….sk,训练和测试重复进行k次。在第i次的测试中ki做为测试集，其它的作为训练集，最终分类器的分类精度取k次测试分类精度的平均值，这种方法适用于原始数据量较小的情况，这时候不适合直接应用保持的方法。

二，构造分类器算法对训练集进行学习，得到一个分类模型，最终它可以是分类规则，决策树或数学公式等形式、

三，使用分类模型对测试集进行检验，如果测试的结果符合要求（分类精度，召回率）进行第四步，否则，进行第二步

四，使用得到的分类器对未知类别的数据进行分类。

五，准确度分析：一般采用召回率和精准率，一个好的分类器同时具有较高的召回率和精准率。

注意：Relevant 和Retrieved的大小不可相差太大。

 

六，召回率和精准率综合考虑，评价指标F1公式如下：