常用的评估指标包括准确率、精确率、召回率和F1值等。需要注意的是，数据挖掘只是一种辅助工具，而不是银弹。投资者在进行投资决策时，还需要综合考虑其他因素，如市场趋势、行业发展和政策环境等。此外，投资有风险，投资者应根据自身风险承受能力和投资目标谨慎对待短线投资机会。
要通过数据挖掘选取A股市场的短线投资机会，可以采用以下步骤：
1. 数据收集：收集A股市场的历史交易数据，包括股票价格、成交量、交易时间等信息。
2. 特征工程：根据短线投资的特点，提取与短线投资机会相关的特征。可以考虑一些常用的技术指标，如移动平均线、相对强弱指标、MACD等，以及股票的基本面信息，如市盈率、市净率等。
3. 数据预处理：对收集到的数据进行清洗和处理，处理缺失值、异常值等情况，使数据适合后续模型的应用。
4. 模型构建：选择合适的机器学习模型进行短线投资机会预测。可以考虑使用分类算法，如逻辑回归、决策树、支持向量机等。或者使用时间序列分析模型，如ARIMA模型、LSTM模型等。
5. 模型训练与评估：将数据分为训练集和测试集，使用训练集对模型进行训练，然后利用测试集评估模型的性能。常用的评估指标包括准确率、精确率、召回率和F1值等。
6. 模型应用：利用训练好的模型对新的数据进行预测，识别出短线投资机会。
需要注意的是，数据挖掘只是一种辅助工具，而不是银弹。投资者在进行投资决策时，还需要综合考虑其他因素，如市场趋势、行业发展和政策环境等。此外，投资有风险，投资者应根据自身风险承受能力和投资目标谨慎对待短线投资机会。