机器学习的数据验证

尽管验证过程无法直接发现问题所在，但有时该过程可以向我们表明模型的稳定性存在问题。 数据是维持机器学习的基础。无论机器学习和/或深度学习模型多么强大，它都永远无法完成我们想要对不良数据进行的处理。随机噪声（即，数据点，这使得很难看见的图案），在一定分类变量的低频，所述目标类别的低频率（如果目标变量是分类）和不正确的数值等只是一些方面的数据会弄乱模型。尽管验证过程无法直接发现问题所在，但该过程有时可

>>阅读原文<<