機器學習的數據驗證

儘管驗證過程無法直接發現問題所在，但有時該過程可以向我們表明模型的穩定性存在問題。 數據是維持機器學習的基礎。無論機器學習和/或深度學習模型多麼強大，它都永遠無法完成我們想要對不良數據進行的處理。隨機噪聲（即，數據點，這使得很難看見的圖案），在一定分類變量的低頻，所述目標類別的低頻率（如果目標變量是分類）和不正確的數值等只是一些方面的數據會弄亂模型。儘管驗證過程無法直接發現問題所在，但該過程有時可

>>阅读原文<<