目录
过拟合和欠拟合
1.过拟合
2.欠拟合
特征清洗、数据变换、训练集、验证集和测试集
1.特征清洗
2.数据变换
3.训练集
4.验证集
5.测试集
跨时间测试和回溯测试
1.跨时间测试（OOT 测试）
2.回溯测试
联合建模与联邦学习
1.联合建模
2.联邦学习
API
过拟合和欠拟合
1.过拟合
过拟合是指模型在训练数据上表现得非常好，但在新的、未见过的数据上表现很差。
这就像是一个学生把课本上的内容背得滚瓜烂熟，但遇到实际问题时却不知道如何解决。
过拟合通常是因为模型过于复杂，或者训练数据太少，导致模型把训练数据中的噪声也学习进去了。
2.欠拟合
欠拟合则相反，是指模型在训练数据上表现就很差，更不用说在新的数据上了。
这就像是一个学生连课本上的内容都没有完全理解。
欠拟合通常是因为模型过于简单，或者训练数据太少，导致模型无法捕捉到数据的真实规律。
特征清洗、数据变换、训练集、验证集和测试集
1.特征清洗
简单解释：把数据中的“脏东西”去掉，让数据变得干净整齐。
例子：假设你有一个学生成绩的数据集，其中有一些学生的成绩是空的或者写成了“未知”。特征清洗就是把这些空的或错误的成绩去掉或替换成合理的值，确保每个学生都有一个准确的成绩。
2.数据变换
简单解释：把数据变得更容易理解和使用。
例子：如果你有一组学生的身高数据，单位是厘米。但为了方便比较，你想把这些身高数据转换成米。数据变换就是做这个单位转换的过程，让数据更容易比较和分析。
3.训练集
简单解释：用来教模型学习的数据。
例子：假设你想训练一个识别猫和狗的模型。你会给模型看很多猫和狗的照片，告诉它哪些是猫，哪些是狗。这些用来训练模型的照片就是训练集。
4.验证集
简单解释：用来检查模型学得怎么样的数据。
例子：在训练模型的过程中，你会用一些额外的照片来检查模型是否学会了区分猫和狗。这些照片就是验证集。如果模型在验证集上的表现很好，说明它可能学会了。
5.测试集
简单解释：用来测试模型最终学得如何的数据。
例子：当模型训练完成后，你会用一组全新的、模型从未见过的照片来测试它。这些照片就是测试集。如果模型在测试集上的表现也很好，那么你可以更有信心地认为这个模型在实际应用中也会表现得很好。
跨时间测试和回溯测试
1.跨时间测试（OOT 测试）
含义：跨时间测试是指在不同的时间点对软件进行测试，以检查软件在不同时间段的性能、稳定性和功能是否一致。
通俗解释：想象一下，你有一个软件，你在它刚发布时测试了一次，然后在几个月后再次测试。这就是跨时间测试。目的是确保软件在经过一段时间后仍然能够正常工作，没有出现问题。
2.回溯测试
含义：回溯测试是指在修复了软件中的某个问题或添加了新功能后，重新运行之前的测试用例，以确保该问题已被解决，并且新的更改没有引入新的问题。
通俗解释：假设你的软件有一个bug，你修复了它。为了确保这个修复真的有效，并且没有引入其他的问题，你会重新运行之前为这个bug编写的测试用例。这就是回溯测试。
简而言之，跨时间测试关注软件在不同时间的表现，而回溯测试关注修复或更改后软件的表现。
联合建模与联邦学习
1.联合建模
简单解释：联合建模是多个团队或组织合作，把他们的数据和知识放在一起，共同创建一个模型。
例子：
假设有两家电商公司，它们各自都有用户购物数据。
为了更准确地预测用户的购买行为，这两家公司可以决定联合建模。
它们将各自的数据合并，并共同训练一个模型。这样，模型就能利用更多的数据，从而可能做出更准确的预测。
2.联邦学习
简单解释：联邦学习是一种保护隐私的机器学习方法。在联邦学习中，各个参与方可以在不共享原始数据的情况下，共同训练一个模型。
例子：
假设有多个医院想要合作开发一个疾病预测模型，但它们不希望共享患者的具体医疗数据，以保护患者隐私。
这时，它们可以采用联邦学习。
每家医院在自己的数据上训练模型的一部分，然后将这部分模型的结果分享给其他医院。
通过这种方式，各个医院可以在不暴露原始数据的情况下，共同训练出一个更准确的预测模型。
API
全称是“Application Programming Interface”，中文可以翻译为“应用程序编程接口”。
它是不同软件应用程序之间的通信桥梁，允许不同的软件组件或系统之间进行数据交换和功能调用。
简单来说，API就像是一个翻译，让不同的软件或系统能够“说”同一种“语言”，从而实现互相协作和数据共享。
