模型評估方法
留出法是一種模型評估方法，它涉及將一個已知的數據集劃分為兩個互斥的集合。其中一個集合被用作訓練集，而另一個集合被用作測試集。這樣的劃分允許我們評估模型在未見過的數據上的性能，即泛化誤差。為了確保數據分布的一致性，避免在劃分過程中引入額外偏差，通常採用分層採樣方法進行數據集的劃分。由於不同的劃分方式會導致不同的訓練集和測試集，以及相應的模型評估結果，因此單次使用留出法得到的估計結果通常不可靠。為了提高可信度，通常需要進行多次隨機劃分，並重複進行試驗評估，最後取平均值作為最終的評估結果。