在机器学习中，为了评估模型，需要将数据集D划分为训练集S和测试集T。通常避免随机划分，而是采用分层抽样确保数据分布平衡。由于留出法的矛盾，即S大小影响模型相似性和评估准确性，一般选择1/5-1/3的数据作为测试集。多次实验并取平均误差作为模型性能的参考。
对于一个机器学习问题，我们通常有数据集D（用于训练模型），但我们还需要评估模型，因此不能把整个D用于训练，因为拿训练过的数据再去评估必然无效。那么最基本的方法就是留出法：
把D划分为两部分：训练集S和测试集T，其中SUT=D,S∩T=Φ。
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
对于一个机器学习问题，我们通常有数据集D（用于训练模型），但我们还需要评估模型，因此不能把整个D用于训练，因为拿训练过的数据再去评估必然无效。那么最基本的方法就是留出法：
把D划分为两部分：训练集S和测试集T，其中SUT=D,S∩T=Φ。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
