訓練集 是什麼？

Training Set — 訓練集 的完整解釋

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。

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

記住這句就好

訓練集是練功用，不是最後拿來吹分數用。

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

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

訓練集越大越好嗎？

通常越大越有利，但前提是品質要穩，髒資料只會放大問題。

訓練集可以和測試集重疊嗎？

不行，重疊會讓評估結果失真。

資料切分比例一定要固定嗎？

不一定，要看資料量和任務難度，重點是切分邏輯一致。