以下哪些關於使用保留樣本潛在問題的陳述為正確(TRUE):
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在開始驗證模型之前,你需要先了解如何建立並操作模型。本章將介紹如何在 scikit-learn 執行迴歸與分類模型。接下來各章都會以這套建模基礎為依據。
本章聚焦於模型驗證的基本觀念。從將資料分成訓練集、驗證集與測試集,到理解偏差—變異取捨(bias-variance tradeoff),我們為第三章要練習的 K-Fold 與 Leave-One-Out 驗證技術打下基礎。
保留集是一個很好的模型驗證起點。然而,只用單一訓練集與測試集往往不夠。交叉驗證被視為評估模型效能的黃金標準,幾乎在調整模型超參數時都會使用。本章重點在於執行交叉驗證來驗證模型效能。
當前練習
前面三章著重在模型驗證技巧。第 4 章會把這些技巧(特別是交叉驗證)用在學習超參數調校。畢竟,有了模型驗證,才能進行調校並幫助你選出整體最佳的模型。