<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Data Splitting on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/data-splitting/</link><description>Recent content in Data Splitting on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/data-splitting/index.xml" rel="self" type="application/rss+xml"/><item><title>保留的（数据）</title><link>https://terms-en.ai-term-hub.com/zh/terms/held_out/</link><pubDate>Sat, 18 Jul 2026 10:56:36 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/held_out/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>“保留的”数据集由故意排除在机器学习模型训练阶段之外的示例组成。该子集用于评估模型对未见数据的泛化能力，为开发者提供关于模型在真实场景中表现的无偏估计，从而辅助超参数调整和模型选择。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>从训练集中预留的数据样本，用于评估模型性能并在开发过程中防止过拟合。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>泛化&lt;/li>
&lt;li>过拟合&lt;/li>
&lt;li>验证集&lt;/li>
&lt;li>无偏评估&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>调整超参数&lt;/li>
&lt;li>比较不同的模型架构&lt;/li>
&lt;li>生产部署前的最终性能估算&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/training_set-%E8%AE%AD%E7%BB%83%E9%9B%86/">training_set (训练集)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/test_set-%E6%B5%8B%E8%AF%95%E9%9B%86/">test_set (测试集)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/cross_validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">cross_validation (交叉验证)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>