什么叫训练数据(training data)?做数据挖掘的时候经常接触三种数据集:training data,testing data,and validation data.我以前没学过模式识别和神经网络的课.你的回答很专业,我只是在做判别分析(discriminant analysis)、聚类分析(clustering)、和主成分分析(PCA)时遇到了训练数据.你能否结合多元统计的背景解释一下训练数据?我可不可以这样理解,所谓training data就是一组我需要处理的数据,我的任务是建立一个模型去

2019-05-04

下载本文

什么叫训练数据(training data)?
做数据挖掘的时候经常接触三种数据集:training data,testing data,and validation data.我以前没学过模式识别和神经网络的课.
你的回答很专业,我只是在做判别分析(discriminant analysis)、聚类分析(clustering)、和主成分分析(PCA)时遇到了训练数据.你能否结合多元统计的背景解释一下训练数据?
我可不可以这样理解,所谓training data就是一组我需要处理的数据,我的任务是建立一个模型去“适应”这组数据.当达到最优的建模效果时,再用testing data去检验这个模型.training data 就是让我不断调整或者校正modeling的数据?
不好意思,今天我听同学说,testing data 和 validation data的含义正好跟你说的相反.testing data才是检测你的模型是否适合整个population,而每次在样本中建模之后是用validation data来校验你的模型,不断地修正和改进.

优质解答

这个是讲AI的artificial neural network时候用的.
例如说你要做一个AND logic.在你建立了一个artificial neural network以后,它是一个没有任何功能的空白network.这时候你需要training data来train你的network.这个时候的training data,就是已经准备好的,正确的AND logic的input跟output,让这个artificial neural network来学习这个input和output的关系从而模仿AND logic(Hence artificial intelligence).
在train好了以后,你要确认你的network时候符合你的training data的要求,你就选一组testing data(比training data数量要少很多,可以是training data的一部分),来test你的network是不是真的被train好了.一般不能达到100%正确,根据情况,一半90%以上,例如95%就不错了.这里就是为了证明你train的这个network,是针对你的training set是有用的.
至于validation data.你的training data sample,在统计学里,是在你的global population里选出来的,它不一定100%反应你的global population的特性.所以你要在global population里,另外再选一组validation data,来validate你之前通过test的network.也就是为了确认,你这个network,不是只对你的training data有用,而是对global population都有用的.
我是在国外上的大学,大四的时候学过这个.嘿嘿.
补充：
你说的这些我没学过.
不过我猜测training data应该跟我所学的artificial neural network的有类似.多半是你的system或者model,需要学习你所研究东西的behaviour.所以你用一组以前所得到的正确的data,里面包括所有相应的input跟output,来train你的system或者model.（感觉说来说去还是在说AI跟artificial neural network,嘿嘿）
补充二
我说反了吗?两年前学的,不太记得了.问问老师或者查查书吧. 这个是讲AI的artificial neural network时候用的.
例如说你要做一个AND logic.在你建立了一个artificial neural network以后,它是一个没有任何功能的空白network.这时候你需要training data来train你的network.这个时候的training data,就是已经准备好的,正确的AND logic的input跟output,让这个artificial neural network来学习这个input和output的关系从而模仿AND logic(Hence artificial intelligence).
在train好了以后,你要确认你的network时候符合你的training data的要求,你就选一组testing data(比training data数量要少很多,可以是training data的一部分),来test你的network是不是真的被train好了.一般不能达到100%正确,根据情况,一半90%以上,例如95%就不错了.这里就是为了证明你train的这个network,是针对你的training set是有用的.
至于validation data.你的training data sample,在统计学里,是在你的global population里选出来的,它不一定100%反应你的global population的特性.所以你要在global population里,另外再选一组validation data,来validate你之前通过test的network.也就是为了确认,你这个network,不是只对你的training data有用,而是对global population都有用的.
我是在国外上的大学,大四的时候学过这个.嘿嘿.
补充：
你说的这些我没学过.
不过我猜测training data应该跟我所学的artificial neural network的有类似.多半是你的system或者model,需要学习你所研究东西的behaviour.所以你用一组以前所得到的正确的data,里面包括所有相应的input跟output,来train你的system或者model.（感觉说来说去还是在说AI跟artificial neural network,嘿嘿）
补充二
我说反了吗?两年前学的,不太记得了.问问老师或者查查书吧.