本篇也是進行說明，是關於訓練資料與測試資料相關資訊。

上篇說明模型「泛化」，當我們做出模型的時候，要進行調整與測試，讓我們的預測越接近現況。而在這邊要規劃我們的訓練資料集以及測試資料集，畢竟模型要訓練，而模型要驗證。在關於資料集的部份有些事情需要注意。

首先當然是要兩個資料集：

• 訓練資料集（training set）：用來訊連模型
• 測試資料集（test set）：用來驗證模型

當我們有一份資料，首先要確定他的數量（規模）已經大到足以有「統計意義」。假如我們要「推測全世界使用智慧型手機的人會用什麼品牌」，如果我們的資料只有3個人，那這樣豈能用3人的結果代替群體？如果他們都是拿iPhone，我們可以判斷全世界的人都是拿iPhone嘛？所以資料量要足夠到可以代表我們要測試的群體才行。

第二點，資料需要分成兩個部分，一個是訓練用，一測試用，這兩個資料需要確保是個「獨立且隨機」的。為什麼要隨機呢？作用是避免資料太過於偏頗。像是上面的範例，為了準確推測，在訓練時的資料是隨機抽取，如果沒有隨機，都給予iPhone的話，未來預測資料會認為100%是拿iPhone，但實際上是使用Android手機，這樣模型就失準了。

第三點為「絕對不要訓練測試資料」。測試資料是來驗證我們的模型，當我們拿測試資料集來訓練，表示我們的模型是根據答案去做調整，會影響到訓練時的數據，可能會導致模型公式有偏頗。

練習的話，可以參考：本篇的Play Ground