課程測試問題：在預測建模中，為什麼要使用模型驗證？親愛的同事們，
目前，我正在“ “解決工業問題的統計思維”課程，並在測驗中設置了一個包含四個可能答案的問題。恐怕測驗界面接受的答案是正確的。
問題是：
在預測建模中，為什麼要使用模型驗證？
選擇一個：
- 使用它來確保您適合正確的模型。
- 使用它來確保您的模型能很好地概括新數據。
- 使用它來確保您可以確定最重要的變量。
- 您無需在預測建模中使用模型驗證。
我選擇了1，因為在引入新的最終測試數據之前，需要進行驗證以了解模型是否足夠（例如，沒有過度擬合）。但是，正確的答案是2。看起來非常令人懷疑，因為2與測試數據的相關性更高，這是驗證之後的下一步。
請糾正我，如果我錯了，請給我一些澄清。
謝謝！
其他回复：課程測試問題：在預測建模中，為什麼要使用模型驗證？答案1是關於使用新的經驗數據對模型進行確認。您進行預測，通常不會進行任何先前的觀察。然後，您觀察未來的觀察是否與預測一致。答案2是關於泛化的，也就是說，您還沒有過度擬合學習集。通過交叉驗證進行誠實評估是檢查泛化的可接受方法。
回复：課程測試問題：在預測建模中，為什麼要使用模型驗證？親愛的貝利先生，
非常感謝您的關注。
但是，這些選項-1和2-並未給出該問題的明顯答案。作為JMP和機器學習的初學者，我想可以在模型驗證概念中考慮兩個答案。
您是否同意，作為專家？
回复：課程測試問題：在預測建模中，為什麼要使用模型驗證？很難寫出良好的考試問題和答案。但是，這個問題是直截了當的。
交叉驗證不能用於確保模型正確。只有新的經驗性觀察可以用來檢驗正確性。在誠實評估的廣泛方案中，許多預測建模者使用三保持套： 訓練 ，驗證和測試 。僅訓練數據用於擬合模型。僅將驗證數據用於檢查模型的泛化，並且僅將測試數據用於確認模型正確。因此答案2是正確的答案。
回复：課程測試問題：在預測建模中，為什麼要使用模型驗證？非常感謝你！
最誠摯的問候，
麥可
