我们知道人工智能的四大要素:数据、算法、算力、场景。我们训练模型离不开数据
目标
一、数据集划分
定义
数据集:训练集是一组训练数据。
样本:一组数据中一个数据
特征:反映样本在某方面的表现、属性或性质事项
训练集:用来构建机器学习模型,机器通过数据来确定模型参数的过程称之为学习(训练)。
验证集 :辅助构建模型,用于在构建过程中评估模型,从而调整模型 超参数。
测试集:用于模型构建结束,验证最终模型的性能。
二、数据类型
1、图像、视频:一般用卷积神经网络来处理,非结构化数据
2、语音:序列数据。非结构化数据
3、文本:序列数据。非结构化数据
4、时序数据:序列数据。一般用循环神经网络来处理
三、数据集分割
目的:为了保证训练集、验证集、测试集是同分布的
方法:留出法、K-折线交叉验证、Holdout交叉验证、自助法等
四、偏差与方差