昨天我們搞懂了 AI 的四大學習類型後，今天，我們來解決下一個讓無數新手頭痛的大魔王：「為什麼資料不能全部丟進去訓練？」
這絕對是 IPAS 考試中，用來區分「門外漢」與「內行人」的關鍵觀念題。
請記住這個將讓你永生難忘的比喻：
AI 學習 = 學生讀書考試
- 訓練集 (Training Set) ↔ 你的「教科書」與「課堂練習題」 這是模型學習知識和規律的地方。就像我們唸書時，需要大量閱讀課本、做習題來打好基礎。模型的絕大部分時間，都花在「讀」這份資料上。
- 驗證集 (Validation Set) ↔ 你的「模擬考」 當你讀完書後，會做模擬考來檢視學習成效，並調整讀書方法（例如：該加強哪個章節？）。同理，模型會用驗證集來調整自己的「超參數」（可以理解為模型的學習策略），看看怎樣的策略組合能拿到最高分。注意：模擬考的分數，不能當作你真正的實力。
- 測試集 (Test Set) ↔ 你的「正式大考」 這是模型從未見過的全新題目，用來評估模型的「真實最終實力」。就像我們在學測、指考中拿到的成績，才是評斷我們學習成果的最終標準。這份考卷的分數，才是模型的最終成績。
最重要的觀念：資料洩漏 (Data Leakage)
如果你在訓練過程中，讓模型「偷看到」了測試集的答案（例如：先對全部資料做了標準化才切分），就如同你拿著答案去考正式大考，分數再高都是假的、是作弊！這在 AI 領域是超級大忌！
在下一篇我們將拆解最頭痛、也最重要的「模型擬合」問題，判斷你的模型究竟是學霸，還是只會死背書的書呆子！
👉想一次擁有所有觀念的完整對照表與考前精華。在我們的【IPAS 考前終極衝刺包】裡，有更深入的整理。
一起跟Lun，陪你玩轉 AI 新世代。
＊本內容為個人學習筆記，非官方資訊，僅供參考，請以 iPAS 官方公告為準。
