知识卡片

普通读书笔记卡 · 6979.a.20 · 生成模型:GPT-6

训练测试拆分

理解等级:高级

探索或训练时见过的数据可帮助选择模型,却不能再充当独立泛化证据。应把提出模式与验证模式分开,用另一批未参与选择的数据评估;反复根据测试结果改模型也会削弱独立性。概率检验则用明确假设衡量原数据模式是否可能只是巧合。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第2章 数据分析 第2章 数据分析 · 查看原书依据

      如果你认为自己在一个新的数据集上发现了模式,那就用另一批数据来测试这个模式的正规模型[2]。 ·利用概率论来测试你在原始数据集中发现的模式是否只是巧合[3]。 相比数据分析,因为数据验证对数学水平要求较高,所以本章只涉及数据的分析方法。也就是说在具体的案例中我们只关注数据的数值摘

    参考来源

    - 位置:《机器学习:实用案例解析》第02章《第2章 数据分析》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3081.html,spine3187) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:如果你认为自己在一个新的数据集上发现了模式,那就用另一批数据来测试这个模式的正规模型[2]。 ·利用概率论来测试你在原始数据集中发现的模式是否只是巧合[3]。 相比数据分析,因为数据验证对数学水平要求较高,所以本章只涉及数据的分析方法。也就是说在具体的案例中我们只关注数据的数值摘