【重磅】数据分割：训练集、验证集、测试集

理论上 随机分割成 训练集、验证集、测试集，

但是由于每次随机都不同，所以 训练集、验证集用交叉验证的分配方式，进行训练和选出较优超参数。

（什么是超参数？之后会另起一篇说明）

 

一般 训练集：测试集 = 8:2 

随机分配，若想复现，可采取：

1. 设定随机种子，洗牌指数

2. 对每个样本设置特定ID，计算每个ID的哈希值，提取20%。

（补：SKlearn）

重要：生成测试集时，使用 分层抽样。

尽量保持：

总数据集、训练集、测试集 的 0-1 比例要一致。

总数据集、训练集、测试集 的 预测范围 比例要一致。

（这篇想法很多，先mark 占个位）