AITerms 登入
機器學習模型訓練資料處理

訓練集(Training Set)是什麼?

訓練集是用於訓練機器學習模型的資料集,模型通過學習訓練集中的模式和關係來提升預測能力。

完整定義

訓練集是機器學習中用於訓練模型的資料集。模型通過分析訓練集中的資料,學習資料的特徵、模式和關係,從而建立預測或分類的能力。訓練集的品質和數量直接影響模型的效能。

白話說明

你有沒有在考前一直刷題,想先把基本功練熟?

你可以把訓練集想成「模型正式學習時拿來練習的資料」

模型會從這些資料裡學規律,但不該把答案背死

如果訓練集和驗證、測試切不好,後面評估就會失真

記住這句

訓練集是練功用,不是最後拿來吹分數用。

比喻:訓練集就像學生上課用的教科書和習題 -- 模型就是學生,它從這些資料中學習知識、找出規律,才能學會如何解決問題。

容易混淆

訓練集 vs 驗證資料集

訓練集用來學參數

驗證資料集用來調整設定和挑模型

最關鍵的區別:學習和調參不要混在一起

訓練集 vs 測試資料集

訓練集是看過的資料

測試資料集是最後拿來評估的資料

最關鍵的區別:看過和沒看過

訓練集 vs 全部資料

訓練集只是資料的一部分

全部資料還包含驗證和測試

最關鍵的區別:子集和全集不能混淆

實際案例

圖像分類

把標註好的貓狗圖片拿來學習,模型才知道什麼特徵對分類有幫助

文字分類

把新聞標題和標籤放進訓練集,模型才能學會分辨科技、財經和娛樂

演算法與應用

資料品質錯標、重複、髒資料都會影響學習比單純多資料更重要
資料量通常越多越好,但要看任務太少容易過擬合
切分方式要和驗證、測試分開避免資料外洩
代表性要盡量涵蓋真實情境不然模型上線會失準

情境判斷

Q1(直覺題):你把所有資料都拿去訓練,成績會更漂亮嗎?

表面上會,但那不代表模型真的會做新題目。

Q2(判斷題):訓練集裡的表現很好,但實際上線不理想,先看什麼?

先看資料切分、標註品質和是否有過擬合。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 1 題把訓練集列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本