重分类是指在分类实验中，在已经建立的预测模型上进行精细化处理，使参数得到进一步优化的过程。即对已经建立的分类器，使用更复杂的模型来提高它的精度，以拟合误差，同时增加它的稳定性。一般，重分类是用来改进分类器错误筛选出的样本数据的准确性的。在数据挖掘的应用中，使用重分类的情况很常见，其应用范围包括消费者行为分析、网络安全告警元数据处理、拦截电子邮件垃圾邮件等。一般来说，当分类的模型被证明有局限性时，就可以选择重分类来解决。重分类有多种方法，例如，通过重新标记样本手动重分类，通过调整决策边界使用算法自动重分类，或者添加新的参数来重新拟合模型，来提升分类器的能力。