/培訓效果導致

Question

IM努力理解的訓練/測試數據的作用，對我的正確分類情況下產生的效果。

，如果我在百分比適用更多的測試數據拆分算法變得更加可靠，樸素貝葉斯的例子嗎？

Answer 1

分割你的整個數據集分成訓練和測試的一點是，你要學會（樸素貝葉斯或其他方式）的模型應該反映因果（功能和預測），而不是簡單的數據之間的真實關係。例如，你總是可以對許多數據點完美地擬合一條曲線，但這樣做可能會使它對你想要做的預測毫無用處。

通過使用單獨的測試集，在未看到的數據上測試了學習模型。理想情況下，訓練和測試集中的錯誤（或者您測量的任何內容）大致相同，這表明您的模型是相當一般的，而不是過度訓練數據。

如果你的情況，降低訓練集的大小對測試集提高性能，它表明，學習模式太具體，不能一概而論。但是，不應該改變訓練/測試分割，而應該調整學習者的參數。您可能還想考慮使用cross validation而不是簡單的培訓/測試拆分，因爲它會提供更可靠的性能估計。