我正在完成此共享任务http://alt.qcri.org/semeval2017/task4/index.php?id=data-and-tools
这只是推特情绪分析。由于我是机器学习的新手，因此我不确定如何同时使用训练数据和测试数据。
因此，共享任务提供了两组相同的Twitter微博，一组没有结果（训练），一组没有结果。
我目前对在机器学习中使用这类数据的理解如下：
训练集：我们应该将其分为训练和测试部分（也许是90％的训练和10％的测试？）
但是现有的一种单独的测试数据有点混乱。
我们是否应该使用“训练集”的10％部分使用测试中得到的结果，并将其与实际结果“测试集”进行比较？
有人可以纠正我的理解吗？
最佳答案
在训练机器学习模型时，您要为算法提供名为training set的数据集，在此阶段，您要告诉算法输入到算法中的每个样本的基本事实是什么，这样，算法就可以学习从您要喂养的每个样品中提取。 training set通常是整个数据集的80％，另外20％的数据集是testing set，在这种情况下，您知道每个样本的基本事实是什么，但是您可以让算法预测一下认为事实是您让它预测的每个样本。对testing set的所有预测均基于该算法从您之前喂入的training set中学到的内容。
在对testing set进行所有预测之后，您可以根据与模型做出的预测相比较的基础事实，检查模型的准确性。
关于machine-learning - 在共享任务中使用训练数据和测试数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/47661400/