---
title: "Discussion on \"精读《设计机器学习系统》-ch04: 训练数据\" | Hashnode"
description: "Discussion on \"精读《设计机器学习系统》-ch04: 训练数据\". 不同于 Chapter03 从系统的角度来处理数据，这一章从数据科学的视角来处理数据。这章的标题是“training Data”，而非“training dataset”，因为 数据集(dataset) 意味着有限(finite)和固定(stationary), 而现实生产环境中的 数据(data) 通常是 无限 并且 不固定 的。\n抽样\n抽样方法在 ML 项目的生命周期中无处不在，在这一节中，我们使用生成训练数据作为例子。\n那为什么需要抽样？直接使用全部数据不可以吗？\n首先，在现实世界中，并不..."
url: "https://hashnode.com/posts/dmls-ch04/6393e470c4c8ec5905b03ab7"
---

[Feed](https://hashnode.com/feed) /

Discussion

# [精读《设计机器学习系统》-ch04: 训练数据](https://qilingzhao.com/dmls-ch04?utm_source=hashnode&utm_medium=feed)

不同于 Chapter03 从系统的角度来处理数据，这一章从数据科学的视角来处理数据。这章的标题是“training Data”，而非“training dataset”，因为 数据集(dataset) 意味着有限(finite)和固定(stationary), 而现实生产环境中的 数据(data) 通常是 无限 并且 不固定 的。 抽样 抽样方法在 ML 项目的生命周期中无处不在，在这一节中，我们使用生成训练数据作为例子。 那为什么需要抽样？直接使用全部数据不可以吗？ 首先，在现实世界中，并不...

Dec 10, 2022 · 2 min read · qilingzhao.com  
Read the article

-   [#dmls](https://hashnode.com/tag/dmls)

## Written by

[qilingzhao](https://hashnode.com/@Zhao70)

@Zhao70

  
[View profile](https://hashnode.com/@Zhao70)

## Responses

Markdown supported · ⌘↵ to post

No responses yet.
