分类的实现
构建模型：
1. 预设分类类别：在开始之前需要设定分类的类别，以便后续数据标记。
2. 类别标记：为每个样本进行类别标记，形成训练集。
3. 分类模型训练：通过训练集生成分类模型，该模型可以表现为分类规则、决策树或数学公式。
使用模型：
- 利用构建的模型来识别未知对象的所属类别，预测对象的类别归属。
模型正确性评价：
- 测试集与训练集分离：为避免过拟合现象，将测试集与训练集严格分离。
- 正确率：通过已标记分类的测试样本与模型的实际分类结果对比，计算正确率，即正确分类样本数与测试样本总数的百分比。