モデルの性能評価においての、データの分割とチューニング・交差検証の手順

前提・実現したいこと

あるデータに対してSVM、RandomForestを用いて2値分類を行い、モデルの分類性能を評価しようとしています。
そこでパラメータチューニングを行ってから分類性能を評価しようと思っているのですが、正しい手順がわかりません。
現在実行しようとしている手順は以下になります。
####手順
学習データ数：1000
分類：2値分類
手法：SVM, RandomForest

1.データ全体を学習用(700)、評価用(300)に分割
2.学習データ全体(700)でグリッドサーチをk分割交差検証によって行う(モデルの精度評価はAUC)
3.手順2で最もAUCの高かった際のパラメータで、学習データ全体(700)を学習
4.手順3で構築したモデルで評価用データを分類し評価指標(precision, recall, f1-score, auc)を算出

上記手順で算出された評価指標値をモデルの性能として扱おうとしているのですが、このアプローチが間違っている気がしてなりません。
初歩的な質問で申し訳ないのですが、上記手順が間違いでしたらモデルの評価における一般的な手順をお教えいただけないでしょうか。

追記
懸念点1：いくつか論文では交差検証における評価指標の平均値を算出してモデルの評価を行っている
疑問点1：この場合はどこでパラメータチューニングをおこなっているのか

懸念点2：手順１の分割に結果が依存してしまう
疑問点2：手順1~4をまとめて交差検証としてしまうとネストされた交差検証となってしまい、手法の比較しかできないのではないか

hayataka2049

2019/12/13 07:32

間違っている気がする理由を書いていただかないと有益な助言は得られづらいと思います。

oichiki

2019/12/13 07:40

説明不足で申し訳ありません。以下が私の懸念点と疑問点です。懸念点1：いくつか論文では交差検証における評価指標の平均値を算出してモデルの評価を行っている疑問点1：この場合はどこでパラメータチューニングをおこなっているのか懸念点2：手順１の分割に結果が依存してしまう疑問点2：手順1~4をまとめて交差検証としてしまうとネストされた交差検証となってしまい、手法の比較しかできないのではないか

hayataka2049

2019/12/13 07:42

ここに書くのではなく質問文に追記してください。