【发布时间】：2016-11-03 22:14:37
【问题描述】：
我有一个包含 699 行和 11 个属性（包括类属性）的癌症数据集。如何将数据集划分为训练和测试数据集？ 我知道以下事情。他们是真的吗？ (1) 选择最初的 150 行进行测试，剩下的 549 行进行训练 (2) 选择 Initial 549 进行训练，剩余 150 进行测试
我还需要在两个数据集中包含类属性吗？是否还需要有另一个称为“验证数据集”的数据集？ 我正在使用 SVM 进行分类
【问题讨论】：
【发布时间】：2016-11-03 22:14:37
【问题描述】：
我有一个包含 699 行和 11 个属性（包括类属性）的癌症数据集。如何将数据集划分为训练和测试数据集？我知道以下事情。
他们是真的吗？ (1) 选择初始 150 行进行测试，剩余 549 行进行训练 (2) 选择初始 549 行进行训练，剩余 150 行进行测试
以上都对这种大小的数据集没有任何意义
这么小的数据集怎么单个拆分是不够的。您将需要多次拆分，例如：
- 交叉验证（10 次拆分就足够了）
- 引导方法（如 632+）
- maaaany 完全随机分裂 (>50)
我还需要在两个数据集中包含类属性吗？
两个部分（在每个拆分中）都必须有标签
是否还需要另一个名为“验证数据集”的数据集？我正在使用 SVM 进行分类
同样，对于如此小的数据集，您将无法拥有良好的验证数据集（并且您需要它来为 SVM 选择有效的超参数），因此您必须进行内部交叉验证（或内部引导等）
【讨论】：