机器学习入门与实战（微课版） 课件 6模型训练-数据集划分.pptx

6模型训练-数据集划分 模型训练的基本过程评估模型数据集划分时间序列属性划分训练集和验证集划分方法 01模型训练的基本过程 模型训练的基本过程模型训练塑造数据样本，使其能预测未知数据。类似艺术家创作雕塑，目标是模型泛化能力，预测未知数据。泛化能力即模型预测未知数据的能力，类似推理或学以致用。 02评估模型 评估模型类似美术批评家，通过指标（如准确率）评估模型。数据划分为训练集、测试集和验证集，防止过拟合。 03数据集划分 数据集划分训练集：主要材料，用于模型训练。测试集：作品展览，评估模型泛化能力。验证集：调参过程，找最优模型和参数。 04时间序列属性划分 时间序列属性划分若有时间序列属性，确保训练集“早”于验证集和测试集，避免用“未来”数据学习。若无时间序列属性，可随机划分，类似随机选取材料。 05训练集和验证集划分方法 训练集和验证集划分方法Hold-out方法：比例划分，如70%训练集，30%验证集。K折交叉验证：多次划分，K次循环，找最小预测误差模型。适用时间序列属性时，选用“Hold-out”方法。 THE ENDTHANKS 版权声明：此模板的版权，归MindShow.fun所有。个人商用需要高级会员，普通用户只限个人学习使用。如需企业商用授权，请联系MindShow.fun购买企业版。PPT中所用字体下载：Noto Sans SC, Noto Sans KR/s/Q1