我有一组带有三个标签的分类数据，'d'，'e'和'k'。我想训练一个分类器来识别'd'并从数据集中删除它们，然后识别'e'。目前，我正在将数据分成三部分，我将其称为X1，X2，X3。我在X1上训练学习者L1，使用该学习者删除X2上的'd'标签，然后我用它训练第二个学习者L2，我在X3上测试。这是一种合理的方法，在这种情况下是否存在可接受的标准？
答案 0 :(得分：0)
通常，有两种流行的技术可用于评估分类器的性能：交叉验证，使用整个数据集（使用数据的多个“折叠”）和保留集，它排除了一些数据培训评估。通常情况下，保留集远小于用于培训的数据（例如80/20或70/30）。
在这种情况下，一种选择是保持坚持;对学习集做任何学习和改变，即训练分类器，删除'd'元素，训练另一个分类器，识别'e'元素;然后针对您的保留集测试整个过程。