held
留出法(hold-out)
留出法的含义是：直接将数据集D划分为两个互斥的集合，其中一个集合作为训练集S，另外一个作为测试集T，即D=S∪T,S∩T=0。在S上训练出模型后，用T来评估其测试误差，作为对泛化误差的评估。其中T也叫held-out data。
需要注意的问题：
- 训练/测试集的划分要尽可能的保持数据分布的一致性，避免因数据划分过程引入额外的偏差而对最终结果产生影响
- 在给定训练/测试集的样本比例后，仍然存在多种划分方式对初始数据集D进行划分，可能会对模型评估的结果产生影响。因此，单次使用留出法得到的结果往往不够稳定可靠，在使用留出法时，一般采用若干次随机划分、重复进行实验评估后取得平均值作为留出法的评估结果
- 此外。我们希望评估的是用D训练出的模型的性能，但是留出法需划分训练/测试集，这就会导致一个窘境：若另训练集S包含大多数的样本，则训练出的模型可能更接近于D训练出的模型，但是由于T比较小，评估结果可能不够稳定准确；若另测试集T包含多一些样本，则训练集S与D的差别更大，被评估的模型与用D训练出的模型相比可能就会有较大的误差，从而降低了评估结果的保真性（fidelity）。因此，常见的做法是：将大约2/3~4/5的样本用于训练，剩余样本作为测试
来源于周志华的西瓜书。
相关阅读
1. 引言 在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是
环境在不断地发生改变，如果你还在苦恼为何增长做不起来，那不妨找找问题根源——增长的方法是否正确。增长做不起来，大概率不是增长手
MM1排队系统： MMS模型 MMS排队模型程序（S=1时即为MM1排队模型） s=2;%服务台数 mu=4;%单个服务台一小时内服务的顾客数 la
网络 就是使用集线器或交换机将计算机连接起来构成一个网络 互联网 OSI 分层的好处： 1.每一层更改不会影响其他层； 2.有利于网络
关于er模型中的identifying relationship or non-iden
最近，主要负责项目管理和领域模型设计方面的工作，昨天在将UML类图转换为ER模型的时候，发现有identifying relationship or non-ident