对于数据挖掘中数据的选择集和测试集的分离

问题是这样，我有两个数据集，一个是对于网页的内容特征标记的，有6414个样本，一个是对于网页的链接特征标记的，有7473个样本，我想实现把数据集分成训练集和测试集用于生成和测试基分类器，但是在处理的过程中，不知道怎样才能把两个文件都用到数据挖掘的过程中去，而且对于选取训练集和测试集中，训练集和测试集的相对比较适合的比例是多少，求解答。

数据挖掘


share
魔法G莓莓 11 years, 8 months ago

Answers

通常机器学习过程中会使用十倍交叉验证来测试模型,保证生成模型不会过耦合.
即将数据随机分成十份,选取其中一份用来做测试集,剩下九份用来做训练集.进行10次测试,保证每份数据都会被作为测试集测试一次.然后取十次的均值作为评价指标.
有时候也会采用五倍或是三倍,一般情况下,选十倍即可.


share
开放注册啦 answered 11 years, 8 months ago

Your Answer

Ask Question
Related questions

怎么python检索Twitter搜索功能？

php file_get_contents抓取网页时抓到手机版页面

数据挖掘需要学习些什么？

关于数据挖掘书或入门方法

一个优秀的数据挖掘工程师应该学习哪些东西？

twitter、微博之类网站的大量数据分析是怎么做的？什么原理？采集吗？