留出法是什麼

留出法是一種常用的機器學習模型評估和選擇方法。

留出法通過將數據集隨機分為兩個互斥的集合，即訓練集和測試集，使用訓練集來訓練模型，並利用測試集來評估模型的性能。這樣做的目的是為了了解模型在未見數據上的表現，從而客觀地評估模型的優劣，留出法簡單且常用，但它不涉及模型的調參或選擇，這些通常需要額外的驗證集來完成。在使用留出法時，通常需要進行多次隨機的劃分和重複實驗，以取得更可靠的評估結果。