我是机器学习的新手，在一篇论文中我找到了这个短语，但我无法完全理解。
这是短语：“训练和测试数据来自相同的特征空间和相同的分布”。
我想问的是为什么这件事必须如此重要，以及如果违反该事会发生什么。有人可以用一个例子或其他方式向我解释一下吗？
谢谢。
答案 0 :(得分：0)
最好知道您指的是哪篇论文和哪一部分...
TL; DR;： ：如果数据属于相同的特征空间和相同的分布，则可以对该算法进行测试，以了解本应实际学习的数据。信息不一致会产生假阳性/阴性，很可能会使您的算法无法收敛。
较长版本：
在训练算法（例如反向传播的神经网络）时，您将从一组数据开始。然后将这些数据分为两组：训练数据（如果是数据，通常为70-80％）和测试数据：（通常是数据的20-30％）。
所有这些数据应具有相同的结构，并应从稳定的系统中收集，这意味着在检查输入和输出时，理想情况下应保持系统的内部运行不变。
如果您的数据满足这些条件，则可以在相似且一致的数据上测试您的框架。突然增加2个额外的字段可能会使连接起来很困难，或者您可以直接忽略它们，但这可能是蠕虫本身。