2.1.2　分类过程

2.1.2　分类过程

分类过程主要包括两个步骤：模型构造（学习）和模型使用（分类）。

第一步　模型构造，即学习。

分类模型可以表示为分类规则、决策树、数学公式等，是对已经分类的数据集进行描述。

数据集被划分为训练集和测试集两个独立的数据集合，训练集数据量越大，分类会越准确。如果把数据集划分为k个子集的话，一般而言，对于大规模的数据集，用2/3k个子集作为训练集，1/3k个子集作为测试集；对于中等规模数据集，用k-1个子集作为训练集，另一个子集作为测试集；对于小规模数据集，全部作为训练集。通过训练集数据特点，得出分类规则：职称为教授或者年限大于6年的是终身教授，如图2⁃1所示。

图2⁃1　分类模型构造

第二步　模型使用，即分类。

根据第一步的分类模型，未分类对象Jeff教授应该分类为终身教授，如图2⁃2所示。(https://www.daowen.com)

分类是一种重要的大数据计算分析方法，根据重要数据类的特征向量值及其约束条件，构造分类模型（即分类器），目的是根据数据集的特点把未知类别的样本映射到给定类别中，目前广泛应用于商业大数据计算分析中。由于样本数据的类别标记是已知的，在预先知道目标数据有关类的信息的情况下，从训练样本集中提取分类规则，用于其他标号未知的对象进行类标识，因此，分类又称为有监督的学习。

从数学角度来说，分类问题可做如下定义：

已知集合和，确定映射规则，使得任意有且仅有一个，使得成立。

上述称为类别集合，其中每一个元素就是一个类别，而称为实例项集合（特征集合），其中每一个元素是一个待分类实例项，称为分类器。分类算法的任务就是构造分类器。