模型训练与评估

它在哪一节里

知识点不单独存在 —— 它属于机器学习的一般流程这一节。要理解它，通常得先看这一节讲什么。

依次完成数据收集与清洗、特征提取、划分训练集与测试集、训练模型、评估效果以及在新数据上应用。

同一节的其他知识点

• 数据准备与划分先收集并清洗数据、提取合适的特征，再把样本划分为训练集和测试集，用测试集衡量模型在未见数据上的表现。
• 机器学习应用的局限模型只能反映训练数据中出现的统计规律，数据有偏或应用场景变化时容易失效，而且往往难以解释作出判断的理由。
• 特征与标签的作用特征是模型看得到的输入，标签是希望模型学会预测的答案。
• 过拟合与欠拟合模型太复杂会记住训练数据的噪声，太简单又学不到规律，都需要调整。

学习顺序：先学什么，后学什么

「这节里的前后」是编纂顺序（讲解顺序），说的是这一节讲到哪一步；「哪些节要在前面」才是先修关系。

学习「模型训练与评估」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有内容讲到这条知识点。导入并发布一份讲到它的材料后，Publishing 会在正文里找候选（带原句作证据）， 由人确认后挂到这条上。