测量分类算法的性能

Question

我手上有一个分类问题，我想用机器学习算法解决这个问题（可能是贝叶斯或马尔可夫，问题与要使用的分类器无关）。鉴于一些培训实例，我正在寻找一种方法来衡量已实施的分类器的性能，同时考虑数据过度拟合问题。

那就是：给定N [1..100]训练样本，如果我在每个样本上运行训练算法，并使用这个相同的样本来测量适应度，它可能会陷入数据过度拟合问题 - 分类器将知道训练实例的确切答案，而没有太大的预测能力，使得健身结果无用。

一个明显的解决方案是将手工标记的样品分成训练和测试样品;我想了解选择具有统计学意义的培训样本的方法。

白皮书，书籍指南和PDF非常感谢！

Answer 1

您可以使用 10倍交叉验证。我认为这是分类算法性能评估的标准方法。

基本思路是将学习样本分成10个子集。然后使用一个子集用于测试数据，其他子集用于列车数据。对每个子集重复此操作，并计算最终的平均性能。

Answer 2

正如布朗斯通先生所说，十倍交叉验证可能是最好的选择。我最近不得不评估一些不同分类器的性能我使用 Weka 。其中有一个API和一大堆工具，可以让您轻松测试许多不同分类器的性能。