（7）当 N+ =N+/2 ，且 N- =N- / 2 时，则 Acc=0。5，Mcc=0，这表明预测结果和随

机预测是一样。

2。6 Jackknife 和 k 重交叉验证

在统计学习领域，以下三种验证方法通常被用来验证统计预测：独立的数据集测 试、抽样（或 k 重交叉验证）检验，和 Jackknife 测试（或留一法测试）[19,20]。这三

种方法，通过参考文献[20]的公式证明和实验的论证，Jackknife 测试被认为是最好的 一个，给定一个基准数据集可以得到唯一的结果。因此，Jackknife 测试已被广泛公认 和越来越多地被调查者使用去提高预测的准确性。在其运行的过程中，在基准数据集 每一个样本都会被单独挑选出来做测试集，并由数据集中剩余的样本作训练集。

然而，Jackknife 测试的数据集时间复杂度与样本数据集的规模是相等的，这使得 它执行比较耗时。因此，本文以 SVM 分类器作为预测引擎，使用 10 重交叉验证测 试进行参数的优化和特征的选择，而 Jackknife 测试用来评价分类器预测性能，以便 提供给不同预测模型一个公正的性能评价。