Holdout检验

将原始的样本集合随机的划分成训练集和验证集两部分

缺点：在验证集上计算的评估指标与原始分组有很大关系

交叉检验

K-fold交叉验证：首先将全部样本划分成k个大小相等的样本子集，依此遍历这k个子集，每次把当前子集作为验证集，其余子集作为训练集，进行模型训练和评估。最后把k次评估指标的评价值作为最终的模型评估指标。在实现中，k经常取10

缺点：时间开销极大

自助法

基于自助采样法，对总数为n的样本集合，进行n次放回的随机抽样，得到大小为n的训练集，n次采样过程中，有重复采样，有未抽出样本，将未抽出样本作为验证集，进行模型验证

# 机器学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

树‑网状分布式机器人架构

本架构具备全域性，可用于工业控制、防灾应急、城市调度、深空航天等各类系统。横向原始互通保真，纵向层层消重提速，单元各司其职不乱改，底层锁死不害人类、不背叛人类，异常即隔离、单点不崩全域。3. 任何单元私自篡改数据、违规决策、触发伤害逻辑、触发背叛逻辑，即刻被所有相邻单元、上下级单元同时识别。本架构所有层级、所有节点，严格执行 「数据存储不决策，决策单元不碰数据」 绝对分离规则。3. 底层终端单元：

avatar DAMO开发者矩阵

人工智能技术演进：从多模态融合到智能体落地的实践探索

《人工智能第三次浪潮：从多模态融合到智能体落地的技术演进》 本文系统梳理了人工智能从多模态感知到智能体执行的技术发展路径。多模态融合技术打通了文本、图像、音频等感知通道，以CLIP、GPT-4V等为代表的大模型实现了跨模态语义对齐；智能体架构则通过规划、记忆和工具使用等模块，赋予AI自主决策和执行能力。两者结合形成的多模态智能体，在RPA自动化、具身智能等领域展现出巨大应用潜力。当前技术面临数据稀

avatar DAMO开发者矩阵
cover

世界模型能力层级理解：从单一任务到产业应用

avatar DAMO开发者矩阵