訓練／驗證／測試切分

這是把資料切成幾塊、好讓你誠實評斷模型的基本紀律。你在訓練集（training set）上配適模型，在驗證集（validation set）上調整選擇與比較模型，最後才在從未碰過的測試集（test set）上量測最終表現。

重點在於：用模型讀過的資料去打分數，既好看又會誤導；測試集模擬的是模型在真實世界裡將要面對的、全新而未見的資料。最大的罪是「資料洩漏」（leakage）——讓測試集的任何資訊滲進訓練（哪怕是偷看它之後所做的選擇），這會讓你回報的表現變成一場幻覺。