什么是训练数据

A. 训练数据 sec/step是什么意思

与SEC（正割）相对的叫CSC（余割）
那两个函数不相同，定义域不同，F(x)=1是一条直线，x可取任意实数
而G(x)=sec^2x-tan^2x=cos^2x/cos^2x=1，但cosx不能等于0，即x不能等于kpi+pi/2，k为整数，pi为圆周率。

B. 什么叫训练数据(training data)

这个是讲AI的artificial neural network时候用的。

例如说你要做一个AND logic。在你建立了一个artificial neural network以后，它是一个没有任何功能的空白network。这时候你需要training data来train你的network。这个时候的training data，就是已经准备好的，正确的AND logic的input跟output，让这个artificial neural network来学习这个input和output的关系从而模仿AND logic(Hence artificial intelligence)。

在train好了以后，你要确认你的network时候符合你的training data的要求，你就选一组testing data(比training data数量要少很多，可以是training data的一部分)，来test你的network是不是真的被train好了。一般不能达到100%正确，根据情况，一半90%以上，例如95%就不错了。这里就是为了证明你train的这个network，是针对你的training set是有用的。

至于validation data。你的training data sample，在统计学里，是在你的global population里选出来的，它不一定100%反应你的global population的特性。所以你要在global population里，另外再选一组validation data，来validate你之前通过test的network。也就是为了确认，你这个network，不是只对你的training data有用，而是对global population都有用的。

我是在国外上的大学，大四的时候学过这个。嘿嘿。

补充：

你说的这些我没学过。
不过我猜测training data应该跟我所学的artificial neural network的有类似。多半是你的system或者model，需要学习你所研究东西的behaviour。所以你用一组以前所得到的正确的data，里面包括所有相应的input跟output，来train你的system或者model。（感觉说来说去还是在说AI跟artificial neural network，嘿嘿）

补充二

我说反了吗？两年前学的，不太记得了。问问老师或者查查书吧。

C. matlab建预测模型时训练数据是用来干什么的,和预估数据有什么关系,求详解

是将样本数据分为训练样本数据和测试数据
训练样本数据用来训练网络
测试数据用来测试网络

D. 什么叫训练数据

包括很多内容：总体数量的，个体的、个人身体的等。

E. python中什么是测试数据和训练数据

当数据量特别大的时候，有几千几万条，为了验证模型的好坏，取出一部分用于训练，另一部分用作测试。当模型训练好的时候，其必定是符合训练数据的分布，为了验证模型的泛化能力，就利用没有参与训练的测试集，放入模型计算出结果，和真实值比较，就可以看出回归模型预测得准不准了

从代码来看你这个做的是一个简单的线性回归模型，数据很简单就是研发成本对应产品质量，利用线性回归拟合一条直线，由于你的数据特别少只有8个点，所以完全没有必要区分训练数据和测试数据，尤其你设置测试集比例为0.1，其实就只有一条，用处不大，所以没有区分的必要

希望我的回答能帮助到你，祝你学习顺利

F. 测试集和训练集是什么意思

1.测试集：

机器学习学科中，学习样本三部分之一，测试集用来检验最终选择最优的模型的性能如何。

2.训练集：

机器学习学科中，学习样本三部分之一，训练集用于建立模型。验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。

(6)什么是训练数据扩展阅读

训练集用于监督学习中，监督学习是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。

监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象和一个期望的输出值组成。监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。

大数据环境下的机器学习算法，依据一定的性能标准，对学习结果的重要程度可以予以忽视。 采用分布式和并行计算的方式进行分治策略的实施，可以规避掉噪音数据和冗余带来的干扰，降低存储耗费，同时提高学习算法的运行效率。

参考资料来源：网络-测试集

参考资料来源：网络-训练集

G. 关于人工智能训练数据和源数据的区别

人工智能（Artificial Inteligence）。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”是人力所能及制造的