[发明专利]一种基于数据集距离评价样本集划分质量的方法

摘要

本发明公开了一种基于数据集距离评价样本集划分质量的方法，该方法可克服常规基于误差分析有量化、难评价的缺陷，紧紧抓住训练集和测试集需相互独立且来自同一分布这一基本假设，通过对样本间距离矩阵的分解，估计样本集的均值和方差，计算训练集和测试集两个分布之间的距离。用随机抽样得到的距离分布进行概率分布估计，计算不同划分的概率，以确切的量化指标评价数据划分的质量或划分方法对特定数据的适应性。本发明在简单实用的基础上，给出样本集划分方法有效性的评价，为帮助生物医学领域的研究者选择合适的数据划分方法，明确建模方法的真实泛化性能提供适宜的方法。