8、机器学习分类入门：训练、测试与简单分类器

机器学习分类入门：训练、测试与简单分类器

1. 训练与测试：避免应试教学

在机器学习中，我们使用数据的方式至关重要。以学习课程为例，我们不仅希望取得好成绩，更希望能将所学知识应用于现实世界。成绩只是衡量我们在现实中表现的替代指标，但它可能无法准确反映我们的实际能力。

在课堂上，常见的评估方式是先教授知识，再进行测试。然而，“应试教学”通常被认为是不可取的。因为如果采用应试教学，学生在测试中的表现可能会优于他们在从未见过的新问题上的表现。他们可能只记住了测试问题的具体答案，而错过了回答新问题所需的通用知识和技巧。

在机器学习场景中，我们的目标是在未见过的示例上表现良好，这种能力被称为泛化能力。如果我们在已经见过的数据上进行测试，会高估自己在新数据上的能力。因此，我们需要使用未见过的数据进行评估，即采用样本外评估或测试误差评估。

1.1 sklearn 的支持

幸运的是， sklearn 为我们提供了支持。我们可以使用 sklearn 中的 train_test_split 函数来避免应试教学。该函数将存储在 Python 变量 iris 中的数据集进行分割。这个数据集已经包含两个部分：特征和目标。新的分割将数据集分为两部分：
1. 用于学习和建立理解的训练数据。
2. 用于自我测试的测试数据。

我们只会从训练数据中学习，并仅在测试数据上进行评估，保证不偷看测试数据。以下是使用 train_test_split 函数的基本代码：

<