Machine learning 中的 validation sample 是屬于in-sample 還是 out-of-sample 呀？在CFA考試中很多人在問這個問題，今天小編給你說說！
機器學習(Machine Learning)，是研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
machine learning機器學習，就是把收集到的數據分成兩組，一組叫training sample，另一組是validation sample。具體是說，把training sample的數據喂（feed）給電腦，讓它自己識別學習，總結出一套規(guī)律算法。
然后用總結出的算法放到 validation sample （驗證樣本）中檢驗，看規(guī)律是否成立。
機器學習分為兩種 ，一種是supervised，也就是labeled traning data,就是事先認為的給出一些label，比如檢驗桃子和蘋果混合在一起，人為事先給出 檢測表面有沒有毛，果實硬度 這些label讓機器檢驗；另一種是unsupervised，也就是not labeled，機器自己總結特點規(guī)律，比如實際中 銀行反洗錢，和垃圾郵件，都是機器自己識別，人類沒有給label，此外 機器學習的考點還有，需要人類的主觀判斷，會出現overfitting問題，以及暗箱操作（black box）。
然后問的 in sample 還是out of sample 中的sample是指training sample 所以 validation是out of sample 的，所以說它就是out-of-sample，如果你在備考中有很多的不懂的知識，可以跟著一起學習哦！
