评估机器学习模型优劣的标准是模型的泛化能力，所以关注的应该是泛化误差而不是经验误差，一味追求经验误差的降低，就会导致模型“过拟合”现象。但是泛化误差是难以直接观察到的，我们应该如何选择泛化能力比较好的模型呢？

机器学习中常用的度量模型的泛化能力的方法包括验证集法、K折交叉验证、自助法。

验证集法又被称为“留出法”，基本思路是将样本示例数据集划分为两个互斥的集合：训练集和测试集。

其中训练集占比一般为2/3~4/5，常用70%；测试集占比一般为1/5~1/3，常用30%。

训练集用来构建机器学习模型；测试集也称“验证集”“保留集”用来进行样本外预测，并计算测试集误差，估计模型预测能力。

将样本分类为“训练集和测试集”两种并不是一种绝对做法。有的时候，也会将活动数据集划分为训练样本、验证样本和测试样本，其中训练样本包含用于训练机器学习模型的数据记录，训练样本不能为空，数据集中的某些个案百分比必须分配给训练样本以获得一个模型。验证样本是一个用于跟踪训练过程中的误差以防止超额训练的独立数据记录集。

通常情况下，用户创建训练样本后，验证样本数量要小于训练样本数量，机器学习模型训练才是最高效的。测试样本不用于构建模型，是一个用于评估最终机器学习模型的独立数据记录集；测试样本的误差给出一个模型预测能力的“真实”估计值。

验证集法的优点在于简单方便，但是也有自身劣势。

一方面，稳定性不足。验证集法的结果与随机分组高度相关，如果使用不同的随机数种子，将数据分为不同的训练集和测试集，测试误差的波动可能会比较大。所以，在实施验证集法时，在训练集和测试集的划分方面，需要注意保持数据分布的一致性，避免因样本集的划分产生额外偏差，比如针对分类问题监督学习，样本示例全集中有一个确定的正例/反例比例，假定为90%/10%，而如果在抽取的训练集中正例/反例比例为50%/50%，那么显然就会因样本集的划分产生出较大的额外偏差，显著影响模型的泛化能力。

另一方面，信息损失较为明显。因为我们评估的是使用训练集训练得到的模型，如果训练集比较大，接近样本示例全集，那么就能够更好地充分利用样本示例全集信息，得到的模型也更接近使用样本示例全集训练模型的结果，但是必然会造成测试集的过小，不可避免的会影响对模型泛化能力的评价；而如果训练集比较小，其中的样本示例较少，那么就大概率不能很好地充分利用样本示例全集信息，产生较大的拟合偏差，也会影响对模型泛化能力的评价。

  很多朋友反映学Python、学机器学习比较难、效果不好，我的观点是：需要拿到Python、机器学习的源代码边学习边操作，从解决问题、上手操作中获得成就感，才会越学越深入，学习效果才会好。

针对数据分析或机器学习推荐两本入门级的图书：《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社）《Python数据科学应用从入门到精通》（张甜 杨维忠 著 2023年11月新书 清华大学出版社）。这两本书的特色是在数据分析、机器学习各种算法的介绍方面通俗易懂，较少涉及数学推导，对数学基础要求相对不高，在python代码方面讲的很细致，看了以后根据自身需要选取算法、优化代码、科学调参。

《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社）内容非常详实，包含了Python和机器学习，相当于一次获得了两本书。在讲解各类机器学习算法时，逐一详解用到的各种Python代码，针对每行代码均有恰当注释（这一点基本上是大多数书目做不到的）。《Python机器学习原理与算法实现》一书创作完成后，在正式出版之前，已经开发成一套系统课程，分9次授课，在某银行内部开展了培训，490人根据行内组织统一学习，授课完成后放在知鸟平台供回放学习，9次课程累计回放量近3万次，得到参训学员的一致好评，广泛应用于各位学员的工作实践。（所以，这是一本避雷避坑、已经被亲测可行的网红书，只要用心学，都没问题哦）。

《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社）

《Python数据科学应用从入门到精通》一书，旨在教会读者实现全流程的数据分析，并且相对《Python机器学习原理与算法实现》一书增加了很多概念性、科普性的内容，进一步降低了学习难度。国务院发展研究中心创新发展研究部第二研究室主任杨超 ，山东大学经济学院金融系党支部书记、副主任、副教授、硕士生导师张博，山东管理学院信息工程学院院长 袁锋 教授、硕士生导师，山东大学经济学院 刘一鸣 副研究员、硕士生导师，得厚投资合伙人 张伟民等一众大牛联袂推荐。全书内容共分13章。其中第1章为数据科学应用概述，第2章讲解Python的入门基础知识，第3章讲解数据清洗。第4~6章介绍特征工程，包括特征选择、特征处理、特征提取。第7章介绍数据可视化。第8~13章介绍6种数据挖掘与建模方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。从数据科学应用和Python的入门，再到数据清洗与特征工程，最终完成数据挖掘与建模或数据可视化，从而可以为读者提供“从拿到数据开始，一直到构建形成最终模型或可视化报告成果”的一站式、全流程指导。买这一本书相当于一下子得到了5本书（Python基础、数据清洗、特征工程、数据可视化、数据挖掘与建模），入门超级简单，不需要编程基础，也不需要过多数学推导，非常适用于零基础学生。

两本书随书赠送的学习资料也很多，包括全部的源代码、PPT、思维导图，还有10小时以上的讲解视频，每一章后面还有练习题及参考答案，还有学习群，相对于只看网络上的视频，一方面更加系统、高效，另一方面照着书一步步操作学起来也事半功倍。全网热销中，当当、京东等平台搜索“Python机器学习 杨维忠”“Python数据科学 杨维忠”即可。