本发明提出一种面向注意力识别的基于机器学习的眼电信号分类器，其构建方法包括以下步骤：步骤S1：选取用于构造训练集和验证集的眼电信号，对选取的原始眼电信号进行预处理；步骤S2：对每个预处理后的眼电信号段进行初级特征提取，包括时域特征、频域特征和时‑频域特征；步骤S3：利用遗传算法进行特征选择，得出d个特征组成的最优特征集；步骤S4：训练分类器：生成可用于输入分类器的输入样本集后，通过眼动仪人工判断确定样本标签，并输入分类器进行训练；步骤S5：将验证集送入到训练好的眼电分类器进行分类验证，并根据操作者选择的评价指标投票选出最优分类器。其能够实现实时判别采集到的眼电信号是否处于注意力集中状态的目的。