机器学习笔记（二）—— 判断模型的好坏

一、 划分训练集和测试集 训练集：用于训练模型的集合 测试集：用于测试训练模型的集合。 常见的数据集拆分方法： 1. 留出法 留出法（hold-out）直接将数据集D拆分成两个互斥的集合，其中一个作为训练集S，另一个作为测试集T。即D=S∪T，S∩T=∅。在S上训练出模型后，用T来评估其测试误差，作为对泛化误差的估计。 注意：（1）训练/测试集的划分要尽可能保持数据分布的一致性，避免因数据划分过程

>>阅读原文<<