什麼是訓練數據

A. 訓練數據 sec/step是什麼意思

與SEC（正割）相對的叫CSC（餘割）
那兩個函數不相同，定義域不同，F(x)=1是一條直線，x可取任意實數
而G(x)=sec^2x-tan^2x=cos^2x/cos^2x=1，但cosx不能等於0，即x不能等於kpi+pi/2，k為整數，pi為圓周率。

B. 什麼叫訓練數據(training data)

這個是講AI的artificial neural network時候用的。

例如說你要做一個AND logic。在你建立了一個artificial neural network以後，它是一個沒有任何功能的空白network。這時候你需要training data來train你的network。這個時候的training data，就是已經准備好的，正確的AND logic的input跟output，讓這個artificial neural network來學習這個input和output的關系從而模仿AND logic(Hence artificial intelligence)。

在train好了以後，你要確認你的network時候符合你的training data的要求，你就選一組testing data(比training data數量要少很多，可以是training data的一部分)，來test你的network是不是真的被train好了。一般不能達到100%正確，根據情況，一半90%以上，例如95%就不錯了。這里就是為了證明你train的這個network，是針對你的training set是有用的。

至於validation data。你的training data sample，在統計學里，是在你的global population里選出來的，它不一定100%反應你的global population的特性。所以你要在global population里，另外再選一組validation data，來validate你之前通過test的network。也就是為了確認，你這個network，不是只對你的training data有用，而是對global population都有用的。

我是在國外上的大學，大四的時候學過這個。嘿嘿。

補充：

你說的這些我沒學過。
不過我猜測training data應該跟我所學的artificial neural network的有類似。多半是你的system或者model，需要學習你所研究東西的behaviour。所以你用一組以前所得到的正確的data，裡麵包括所有相應的input跟output，來train你的system或者model。（感覺說來說去還是在說AI跟artificial neural network，嘿嘿）

補充二

我說反了嗎？兩年前學的，不太記得了。問問老師或者查查書吧。

C. matlab建預測模型時訓練數據是用來干什麼的,和預估數據有什麼關系,求詳解

是將樣本數據分為訓練樣本數據和測試數據
訓練樣本數據用來訓練網路
測試數據用來測試網路

D. 什麼叫訓練數據

包括很多內容：總體數量的，個體的、個人身體的等。

E. python中什麼是測試數據和訓練數據

當數據量特別大的時候，有幾千幾萬條，為了驗證模型的好壞，取出一部分用於訓練，另一部分用作測試。當模型訓練好的時候，其必定是符合訓練數據的分布，為了驗證模型的泛化能力，就利用沒有參與訓練的測試集，放入模型計算出結果，和真實值比較，就可以看出回歸模型預測得准不準了

從代碼來看你這個做的是一個簡單的線性回歸模型，數據很簡單就是研發成本對應產品質量，利用線性回歸擬合一條直線，由於你的數據特別少只有8個點，所以完全沒有必要區分訓練數據和測試數據，尤其你設置測試集比例為0.1，其實就只有一條，用處不大，所以沒有區分的必要

希望我的回答能幫助到你，祝你學習順利

F. 測試集和訓練集是什麼意思

1.測試集：

機器學習學科中，學習樣本三部分之一，測試集用來檢驗最終選擇最優的模型的性能如何。

2.訓練集：

機器學習學科中，學習樣本三部分之一，訓練集用於建立模型。驗證集用來確定網路結構或者控制模型復雜程度的參數，而測試集則檢驗最終選擇最優的模型的性能如何。

(6)什麼是訓練數據擴展閱讀

訓練集用於監督學習中，監督學習是指利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，也稱為監督訓練或有教師學習。

監督學習是從標記的訓練數據來推斷一個功能的機器學習任務。訓練數據包括一套訓練示例。在監督學習中，每個實例都是由一個輸入對象和一個期望的輸出值組成。監督學習演算法是分析該訓練數據，並產生一個推斷的功能，其可以用於映射出新的實例。

大數據環境下的機器學習演算法，依據一定的性能標准，對學習結果的重要程度可以予以忽視。 採用分布式和並行計算的方式進行分治策略的實施，可以規避掉噪音數據和冗餘帶來的干擾，降低存儲耗費，同時提高學習演算法的運行效率。

參考資料來源：網路-測試集

參考資料來源：網路-訓練集

G. 關於人工智慧訓練數據和源數據的區別

人工智慧（Artificial Inteligence）。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧的定義可以分為兩部分，即「人工」和「智能」。「人工」是人力所能及製造的