在数据挖掘中，衡量分类方法优劣的指标多种多样，以下列举几项关键指标：
1. 预测准确率:
- 指模型正确预测结果的比例，是评估分类模型最直观的指标。
2. 模型构建时间:
- 构建模型所需时间，体现算法效率。
3. 模型使用时间:
- 使用模型进行预测所需时间，影响模型实际应用效率。
4. 健壮性:
- 模型抵抗噪声数据和缺失值干扰的能力，体现模型稳定性。
5. 可扩展性:
- 模型处理大规模数据集的能力，决定模型适用范围。
6. 可操作性:
- 模型规则易于理解和应用的程度，影响模型在实际应用中的可解释性和可操作性。
7. 规则优化:
- 模型规则的简洁性和优化程度，影响模型的效率和可解释性。
8. 决策树大小:
- 决策树模型的规模和复杂程度，影响模型的效率和可解释性。
9. 分类规则简洁性:
- 分类规则的易懂程度，影响模型的可解释性和可应用性。