分类模型的评价及比较

       当我们得到数据模型后，该如何评价模型的优劣呢？之前看到过这样一句话 ：“尽管这些模型都是错误的，但是有的模型是有用的”，想想这句话也是挺有道理的！评价和比较分类模型时，关注的是其泛化能力，因此不能仅关注模型在某个验证集上的表现。事实上，如果有足够多的样本作为验证集来测试模型的表现是再好不过的，但即使是这样也存在一个难点，比如难界定多大的样本才能足够表现出模型的泛化能力。因此，一般的做法是借助统计学的方法，评估模型在某个验证集分类表现的显著性。

      评价及比较分类模型的过程，涉及到三个问题，一个是如何获取验证集，另一个是用什么度量指标表示分类表现，最后一个则是如何评估分类表现的显著性。

1.  验证集获取

        数据样本的数量总是有限的，这就导致在选择训练集和验证集时出现了诸多方法，常用的方法有留出法、交叉验证法、bootstrap方法，下面分别介绍。

1.1 留出法

        留出法一般用在样本数据量较大的情况。在使用留出法时，将样本数据分为两部分，一部分为训练集，另一部分为验证集，训练集用来生成模型，验证集用来评估其测试误差，将其作为对泛化误差的估计，这个思路比较简单，但是数据集的划分过程需要注意两点：与的划分比例、与中样本的抽样方式。

        与的划分比例偏大时，由于中数据样本量及包含的样本信息较少（糟糕的情况是其中还包含了较多噪声，这或许直接导致非常离谱的评估结果），因此其评估结果可能不够准确。即使中包含了比较准确的样本信息，在换一个同等数量新的验证集时，可能包含的信息就不那么准确，评估结果也可能会有较大差别，故其评估结果不稳定；与的划分比例偏小时，由于训练数据包含较少的样本信息，这样得到的模型本身就不可取，这种情况比“与的划分比例偏大”更糟糕，之后用得到的评估结果，已经是失真的了。那该如何选取训练集与验证集的划分比例呢？一般选用样本数据集的2/3~4/5用来训练模型，剩余数据用来测试，验证集应至少包含30个样本。

       选择合适的划分比例后，还有（在个样本中选取个）的问题，因为此时样本选择仍有多种情况，单次使用留出法得到的评估结果往往不够可靠，一般采用多次随机划分、取评估结果的平均值的方式得到最终的评估结果。

1.2 交叉验证法

       交叉验证法中，将样本数据集均分为等份（注意，这个均分过程仍然要考虑1.1节中提到的信息均匀问题），前 份作为训练集，剩余一份作为测试集，得到测试结果。由于测试集的选择方式有种，因此在数据集的一次划分过程中可以得到个测试结果，将这个测试结果的平均值返回作为最终结果，这个过程通常称为“折交叉验证”。当=10时，交叉验证的过程示意图如下

                                     

       在交叉验证过程中，在确定样本数据集划分份数时需要考虑1.1节中提到的训练集与测试集比例问题，除此之外，从数据集