机器学习中的估计集是什么

机器学习中的估计集是什么？估计集和其他样本集的关系是什么？各位求解答！

估计集是机器学习中用来估计模型参数的样本集，其中每个样本都有一个与之相关联的标签。估计集与其他样本集的关系是，估计集用来估计模型参数，而其他样本集用来测试模型的性能好坏。

估计集属于训练集中的数据，可将训练集分为验证集和估计集，利用估计集，可以对验证集的每个样本进行类别预测，得到验证集的预测错误率。

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 关于该问题，我找了一篇非常好的博客，你可以看看是否有帮助，链接：【机器学习】 遇到异常值怎么办？
• 除此之外, 这篇博客: 【讲座笔记】如何在稀烂的数据中做深度学习？中的 好的数据集是怎样的？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  Large-scaled labeled data
  Good training data should have the following traits:

  • Accessible
  • Large-scaled
  • Balanced
  • Clean

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^