訓練集、驗證集、測試集怎麼切？時間序列為什麼不能亂切

訓練集、驗證集、測試集怎麼切？常見是 8:1:1，訓練集練習、驗證集調整、測試集最後打分數；有時間順序的資料要照時間切。

這篇一樣用手搖飲料店的銷售紀錄當例子，一步一步算給你看：資料要分幾份、每份多少筆、為什麼測試集不能偷看，以及「照日期排的資料」隨便亂切，分數會假到什麼程度。

訓練集、驗證集、測試集怎麼切：1,000 天資料切成 800 天練習題、100 天模擬考、100 天正式大考

為什麼你需要知道

分數會騙人：模型拿練習過的資料來考，當然考得好。不切資料，你看到的分數根本不代表上線後的表現
時間資料最容易出事：銷售量、股價、網站流量這種「照日期排」的資料，亂切會讓模型偷看到未來，練習時分數超漂亮，一上線就破功
GCP 預設值要看懂：BigQuery ML 和 AutoML 都會自動幫你切，但切法不一樣。資料少於 500 筆時，BigQuery ML 甚至完全不切
證照必考：PMLE 考題很愛問「這份資料應該怎麼切」，尤其是時間序列和資料洩漏

先看全貌：三份資料各做什麼

上一篇〈特徵、標籤、超參數是什麼？〉最後提到：試超參數時，要拿一份「訓練時沒看過」的資料來打分數。這篇就是在講這件事。

假設店長有 1,000 天的銷售紀錄（教學用的假設數字），每天記氣溫、是不是假日、賣出杯數。照 8:1:1 切：

訓練集 = 1,000 × 80% = 800 天
驗證集 = 1,000 × 10% = 100 天
測試集 = 1,000 × 10% = 100 天

	訓練集（Training Set）	驗證集（Validation Set）	測試集（Test Set）
白話	給模型練習用的資料	訓練過程中拿來檢查、調整的資料	全部做完，最後打一次分數的資料
學生比喻	課本練習題	模擬考	正式大考（考卷密封）
飲料店例子	800 天	100 天	100 天
模型看得到答案嗎	看得到，邊看邊學	看不到，只拿來打分數	看不到，而且只能用一次
用來決定什麼	參數（權重、偏差）	超參數、要選哪個模型、什麼時候停	什麼都不決定，只回報最終成績

一句話記：練習題拿來學，模擬考拿來調，大考拿來交代。

訓練集（Training Set）

白話是什麼

訓練集：模型拿來「學」的資料。模型會看裡面的特徵和標籤，一路修正自己的參數。

比喻

就是課本裡的練習題，附解答。學生寫一題、對一次答案、訂正一次，越練越熟。

來龍去脈

Training 就是「訓練」。上一篇講的梯度下降、學習率、訓練輪數，全部都只在訓練集上進行。上一篇算的「每熱 1 度多賣 5 杯」這個權重，就是從訓練集裡學出來的。

為什麼要學

訓練集通常佔最大份（60%～80%），因為模型要看夠多例子才學得會。但也正因為模型「看過答案」，它在訓練集上的分數一定偏高，不能拿來當成績。

驗證集（Validation Set）

白話是什麼

驗證集：訓練過程中，拿來檢查模型學得怎麼樣、幫你做決定的資料。模型不會從它身上學參數。

比喻

就是模擬考。模擬考考不好，你會調整讀書方法：多讀幾遍、換一本參考書。模擬考的分數，是拿來幫你「調整策略」的。

來龍去脈

Validation 是「確認、驗證」的意思：開發途中先驗一下，方向對不對。Google 機器學習速成課程的說法是：驗證集負責模型訓練時的「初步測試」。

它最常拿來決定這三件事：

拿驗證集來決定	白話	上一篇的例子
超參數要設多少	讀書計畫怎麼排	學習率 0.01、0.1、0.5 哪個好
要選哪一個模型	換哪一本參考書	線性迴歸還是決策樹
什麼時候停止訓練	讀到第幾遍就夠了	驗證分數開始變差就停（叫提前停止，第 7 篇會講）

名字有點亂，先講清楚：BigQuery ML 把驗證集叫「評估資料（evaluation data）」，AutoML 的欄位值叫 VALIDATE，有些教材又叫「開發集（dev set）」。指的都是同一份：訓練途中拿來調整的那份。

為什麼要學

沒有驗證集，你就只能拿測試集來調超參數。這樣測試集就變成另一份模擬考，最後再也沒有一份乾淨的資料可以打分數。下面馬上算給你看會發生什麼事。

測試集（Test Set）

白話是什麼

測試集：所有調整都做完之後，最後才拿出來打一次分數的資料。它的分數，是你對外報告「這個模型上線大概有多準」的依據。

比喻

就是正式大考。考卷密封，考前誰都不能看；考完就是最終成績，不能說「這次沒考好，我再調一下重考」。

來龍去脈

Google 機器學習詞彙表說得很直接：每一筆資料只能屬於三份裡的其中一份，同一筆不能同時在訓練集和測試集。

速成課程還提到一個重點：測試集和驗證集用久了會「磨損」（wear out）。同一份資料一直拿來做決定，你就會不知不覺把模型調成「剛好適合這份資料」，分數越來越不可信。解法是定期補新的資料進來。

算一次給你看：為什麼不能拿測試集來挑

上一篇算過：3 種學習率 × 4 種訓練輪數＝ 12 組超參數。

假設（教學用的數字）你把 12 組都訓練完，拿同一份 100 天的資料打分數，誤差最小的那組是 平均差 8 杯。

問題來了：這 8 杯可信嗎？

12 組裡，總有一組會「剛好」特別適合這 100 天，可能只是運氣好，例如這 100 天剛好很少下雨
你挑了分數最好的那組，等於把運氣也一起挑進來了
拿一份完全沒碰過的 100 天再考一次，誤差可能變成 11 杯

拿來挑 12 組的資料	回報的分數	可信嗎
驗證集（100 天）	平均差 8 杯	偏樂觀，因為是挑出來的
測試集（另外 100 天，第一次用）	平均差 11 杯	比較接近上線後的真實表現

數字怎麼看：

測試分數比驗證分數差一點：很正常，代表你挑超參數時沾了一點運氣
差很多（例如驗證 8 杯、測試 30 杯）：模型可能死背了訓練資料（過度擬合，第 7 篇），或資料切法有問題，例如下面要講的時間序列
測試分數比驗證好很多：先別高興，檢查測試集是不是混進了訓練資料

這也是為什麼要分三份，不是兩份。只有兩份（訓練＋測試），測試集就會被你拿來挑超參數，最後沒有任何一份分數是乾淨的。

為什麼不能拿測試集挑超參數：12 組裡挑最好的，驗證分數 8 杯偏樂觀，第一次用的測試集 11 杯才接近真實

比例要怎麼抓？

8:1:1 是常見的起點，但不是規定。原則是：資料越多，驗證集和測試集的「比例」可以越小。

資料量	常見切法	為什麼
幾百筆	7:1.5:1.5 或改用交叉驗證	驗證、測試太少，分數會很不穩
幾千到幾萬筆	8:1:1	最常見的平衡點
幾十萬筆以上	98:1:1 也可以	1% 就有幾千筆，已經夠打分數

算一次給你看：測試集要多大才夠？

1,000 天 × 10% = 100 天　→ 夠用
100 天 × 10%   = 10 天　 → 太少，碰上一次颱風，分數就整個歪掉
100 萬筆 × 1%  = 1 萬筆　→ 綽綽有餘

數字怎麼看：測試集太小，分數會一直跳，今天切一次 85 分、換個切法變 70 分，你根本不知道哪個是真的。測試集太大，又會讓訓練集變少，模型學不夠。

資料很少怎麼辦？用交叉驗證（Cross-Validation）。 比喻：只有一本考古題，就輪流把不同章節當模擬考。例如 1,000 筆切成 5 份，每份 200 筆，輪流拿 1 份當驗證、另外 4 份訓練，總共訓練 5 次。假設 5 次的誤差是 10、12、9、11、13 杯，平均起來 11 杯，比只考一次穩。叫「交叉」，是因為每一份資料都輪流當過訓練和驗證。代價是訓練時間變 5 倍。

時間序列為什麼不能亂切

白話是什麼

時間序列（Time Series）：照時間順序記錄下來的資料，例如每天的銷售量、每小時的氣溫、每分鐘的股價。飲料店的 1,000 天紀錄就是時間序列。

隨機切分：把資料像洗牌一樣打亂，再抽 80%、10%、10%。
照時間切分：照日期排好，最早的當訓練集，中間的當驗證集，最新的當測試集。

來龍去脈

Series 是「一連串」的意思，時間序列就是照時間排好的一連串數字。這種資料有個特性：相鄰的時間點通常很像，今天很熱，明天多半也熱；這週生意好，下週通常不會差太多。統計上叫自相關（autocorrelation），白話就是「自己跟自己的過去有關」。這正是亂切會出事的根本原因。

比喻

隨機切分時間資料，就像考前把明天的報紙偷偷塞給你。

你要預測 7 月 15 日賣幾杯，結果 7 月 14 日和 7 月 16 日都在訓練集裡。連續兩天的生意通常很像，模型只要「抄隔壁那兩天」就能猜得很準。可是真正上線時，你在 7 月 15 日早上不可能知道 7 月 16 日賣了幾杯。

算一次給你看：隨機切，有多少考題被「洩題」

用 8:1:1 隨機切 1,000 天。挑一個測試集裡的日子，看看它的前一天、後一天有多大機率在訓練集：

前一天在訓練集的機率 = 80% = 0.8
後一天在訓練集的機率 = 80% = 0.8

前後兩天都在訓練集   = 0.8 × 0.8         = 0.64　→ 64%
至少有一天在訓練集   = 1 − (0.2 × 0.2)   = 1 − 0.04 = 0.96　→ 96%

（0.2 是「不在訓練集」的機率，也就是 1 − 0.8。兩天都不在訓練集的機率是 0.2 × 0.2。）

數字怎麼看：測試集 100 天裡，平均有 96 天的「隔壁那天」模型練習時看過答案，其中 64 天是前後兩天都看過。這不叫考試，這叫開書考。

假設（教學用的數字）結果會像這樣：

切法	測試集平均誤差	代表什麼
隨機切	差 6 杯	假的好成績，模型偷看了未來
照時間切（最後 100 天當測試）	差 15 杯	比較接近上線後的真實表現

隨機切的分數看起來好很多，店長就會以為「模型很準，備料照它的數字就好」，結果上線後天天備錯。這種「訓練時偷看到不該看的資訊」叫做資料洩漏（Data Leakage），第 8 篇會專門講。

時間序列為什麼不能亂切：隨機切分時 96% 的測試日，前後一天在訓練集，等於偷看未來；照時間切才是真的預測

照時間切，要怎麼切

1,000 天照日期排好：
第 1～800 天　　→ 訓練集（最早的）
第 801～900 天　→ 驗證集
第 901～1,000 天 → 測試集（最新的）

模型永遠是用過去預測未來，跟真正上線時的情況一模一樣。

進階：滾動式驗證

時間資料不能隨便洗牌，所以一般的交叉驗證也不能直接用。替代做法是滾動式驗證（rolling / expanding window）：訓練範圍一段一段往後長，每次都用「後面一段」來驗證。

第 1 次：用第 1～600 天訓練，第 601～700 天驗證
第 2 次：用第 1～700 天訓練，第 701～800 天驗證
第 3 次：用第 1～800 天訓練，第 801～900 天驗證
最後：第 901～1,000 天留給測試集，只用一次

比喻：像天氣預報員的訓練，每次都只拿「到昨天為止」的資料來猜今天，猜完再把今天加進去，繼續猜明天。

除了時間，還有 3 個常見的切法陷阱

陷阱 1：重複的資料跨了兩份

同一筆資料不小心出現兩次，一次在訓練集、一次在測試集。模型等於考到練習過的原題。Google 速成課程建議：驗證集、測試集裡和訓練集重複的資料要刪掉，因為公平的考試只能考新題目。

陷阱 2：同一個「群組」被拆散

假設飲料店有 10 間分店，模型上線後要拿去預測新開的分店。如果隨機切，每間分店的資料都會出現在訓練集，模型就熟悉了每一間的生意，測試分數自然好。

正確做法是照分店切：例如 8 間分店當訓練、1 間當驗證、1 間當測試。Google Cloud 的 AutoML 官方文件舉的就是這個例子：要預測沒看過的商店，就要讓測試集裡的商店，跟訓練集完全不重疊。

陷阱 3：稀少的類別被切光了

假設要預測「這筆訂單是不是退貨」，1,000 筆裡只有 20 筆退貨。隨機切出 100 筆測試集：

期望的退貨筆數 = 100 × (20 ÷ 1,000) = 100 × 2% = 2 筆

平均只有 2 筆，運氣不好甚至 0 筆。測試集裡根本沒有退貨，就沒辦法知道模型抓不抓得到退貨。解法是分層抽樣（Stratified Sampling）：切的時候，讓每一份的退貨比例都維持 2%。AutoML 官方文件特別提醒：它不會幫你做分層抽樣，少數類別要自己用手動切分處理。（類別不平衡在第 9 篇會完整講。）

在 GCP 上怎麼做

GCP（Google Cloud Platform） 是 Google 的雲端服務，白話說就是租用 Google 機房裡的電腦和工具。兩個最常用的機器學習工具，BigQuery ML 和 AutoML，都會自動幫你切資料，但規則不一樣。

1. BigQuery ML：預設切法要看資料有幾筆

BigQuery：Google 的大型資料倉庫，專門存放和分析超大量的表格資料
BigQuery ML：讓你用 SQL（跟資料庫說話的語言）直接在 BigQuery 裡訓練模型

依照官方文件，切法由 DATA_SPLIT_METHOD 決定，預設是 AUTO_SPLIT，規則是：

資料有幾列	沒做超參數調整時	有做超參數調整時
少於 500 列	全部拿去訓練，不切	全部拿去訓練，不切
500～50,000 列	隨機切：80% 訓練、20% 評估	隨機切：80% 訓練、10% 評估、10% 測試
超過 50,000 列	隨機切：固定 10,000 列評估，其他訓練	隨機切：80% 訓練、10% 評估、10% 測試

（BigQuery ML 把驗證集叫「評估資料」。）

算一次給你看：

飲料店 400 天   → 少於 500 列，全部拿去訓練，沒有評估資料
飲料店 1,000 天 → 評估 = 1,000 × 20% = 200 天，訓練 800 天
連鎖店 200,000 筆 → 評估固定 10,000 筆（只佔 10,000 ÷ 200,000 = 5%），訓練 190,000 筆

數字怎麼看：

400 天那個最危險：不切資料，你看到的分數就是「考練習題」的分數，一定偏高
20 萬筆時評估只佔 5%：資料多，1 萬筆已經夠打分數，剩下的全部拿去學，這就是「資料越多，比例可以越小」

BigQuery ML 預設怎麼切資料：少於 500 列不切，500 到 50,000 列切 80% 訓練 20% 評估，超過 50,000 列固定 10,000 列評估

照時間切：用 SEQ

飲料店的資料有日期，就不要用預設的隨機切，改成 SEQ（Sequential，依序）：

CREATE MODEL `shop.daily_cups`
OPTIONS(model_type='LINEAR_REG',
        input_label_cols=['cups_sold'],
        data_split_method='SEQ',
        data_split_col='sale_time',
        data_split_eval_fraction=0.2) AS
SELECT sale_time, temperature, is_holiday, cups_sold
FROM `shop.daily_sales`;

翻成白話：

data_split_method='SEQ'：照順序切，不要洗牌
data_split_col='sale_time'：照「銷售時間」這一欄由小排到大（舊的在前）
data_split_eval_fraction=0.2：最後 20%（最新的 200 天）拿來評估，前面 800 天訓練

幾個官方文件寫到的細節：

SEQ 用的欄位，資料格式要是數字、文字或 TIMESTAMP（時間戳記，精確到秒的日期時間）。文件列的型別裡沒有 DATE，如果你的日期欄是 DATE，先轉成 TIMESTAMP 比較保險
拿來切的那一欄會自動被排除，不會被當成特徵
有做超參數調整時，再加 data_split_test_fraction，就會切成三份：最後一段測試、倒數第二段評估、其他訓練
想自己指定每一列放哪份，用 CUSTOM 加一個欄位：沒做調參時是 TRUE／FALSE（TRUE 是評估），有做調參時是 TRAIN／EVAL／TEST
隨機切也是「固定的隨機」：同一份資料重訓，會切出一樣的結果，方便比較
切好的資料會存在暫存表（暫時的表格，時間到自動刪掉）48 小時，要留久一點要自己匯出

2. AutoML on Agent Platform（原 Vertex AI AutoML）

AutoML：只要把資料丟進去，Google 自動幫你挑模型、調超參數的服務，不用寫程式。這個服務所在的平台最近改名了：

舊題庫可能還會看到 Vertex AI AutoML Tables，現在叫 AutoML on Gemini Enterprise Agent Platform。
Google Cloud 在 2026 年 4 月 22 日把 Vertex AI 改名為 Gemini Enterprise Agent Platform（簡稱 Agent Platform），底下功能跟著改名（官方對照表）。功能本身是延續的。

依照官方文件，表格資料有三種切法：

切法	怎麼切	什麼時候用
隨機切分（預設）	隨機抽 80% 訓練、10% 驗證、10% 測試，比例可以改	資料不隨時間變化、類別大致平衡
手動切分	自己加一欄，每列填 `TRAIN`、`VALIDATE`、`TEST`（或只填 `TEST` 和 `UNASSIGNED`）	要照分店切、要確保少數類別有進測試集
照時間切分	指定一個時間欄，最早的訓練、接著驗證、最新的測試	資料有時間性，但不是做預測未來數值的模型

官方特別寫到的幾個重點：

預測（Forecasting）模型預設就照時間切，而且會丟掉「預測範圍跨在兩份之間」的那幾列，就是為了避免資料洩漏
照時間切的時間欄，要有夠多不同的值，官方建議至少 20 個，不然驗證集、測試集可能是空的
測試集只在最後評估時用一次：AutoML 先用訓練集、驗證集挑出最好的設定，最後才拿測試集算出最終分數
分類、迴歸模型最後上線用的版本，會把三份資料合起來再訓練一次，讓模型學到最多。這跟「測試集不能偷看」不衝突：分數已經先用測試集算好了

舊名稱	現在的名稱
Vertex AI	Gemini Enterprise Agent Platform（Agent Platform）
Vertex AI AutoML（Tables）	AutoML on Gemini Enterprise Agent Platform
Vertex AI Training	Gemini Enterprise Agent Platform Managed Training

考試會怎麼考

Google Cloud Professional Machine Learning Engineer（PMLE，專業機器學習工程師） 證照，2026 年 6 月 1 日起的官方考試指南沒有一條直接寫「資料切分」，但它藏在好幾個區塊裡：

考試區塊	跟這篇有關的項目
第 1 區：用低程式碼方式打造 AI 方案（約 13%）	用 BigQuery ML、AutoML 訓練模型（切分設定就在這裡）
第 2 區：跨團隊管理資料與模型（約 16%）	評估模型（要用沒看過的資料評估）
第 3 區：把原型擴展成正式模型（約 21%）	超參數調整、排查訓練問題
第 5 區：自動化 ML 管線（約 18%）	驗證資料與模型

考題很少問「驗證集的定義」，而是給你一段情境，問哪裡切錯了。

PMLE 考試關鍵字：時間序列照時間切，預測新分店照群組切，少數類別用分層抽樣，分數好到不合理先查資料洩漏

看到這些字，就想到這個

題目出現的關鍵字	想到
「依日期」「每天的銷量」「預測下個月」「時間序列」	照時間切，最新的當測試集；BigQuery ML 用 `SEQ`
「離線分數很好，上線後很差」	先懷疑資料洩漏，尤其是時間資料被隨機切
「要預測新的商店／新的客戶」	照群組切，同一群不能跨兩份；AutoML 用手動切分
「少數類別很少，測試集可能抽不到」	分層抽樣或手動切分（AutoML 不會自動分層）
「調超參數」「選模型」「提前停止」	用驗證集，不是測試集
「最終、不偏的評估」	測試集，只用一次
「資料很少」「分數不穩定」	交叉驗證
「AutoML 預設怎麼切」	分類、迴歸隨機 80/10/10；預測模型照時間切

三個常見陷阱

拿測試集調超參數：選項寫「用測試集比較多組超參數，挑最好的」，錯。挑選要用驗證集
時間序列用隨機切：選項寫「隨機打散後切 80/20」，對時間資料來說通常是錯的
以為 BigQuery ML 一定會切：資料少於 500 列時，預設全部拿去訓練，看到的評估分數其實是訓練分數

練習情境（自己出的練習，不是真實考題）

一間連鎖飲料店有 3 年的每日銷售資料，用 BigQuery ML 訓練模型預測下週銷量。資料科學家用預設設定訓練，評估分數非常好，但上線一個月後，預測和實際差很多。最可能的原因是什麼？該怎麼改？

判斷過程：

「每日銷售」「預測下週」→ 這是時間序列
「預設設定」→ BigQuery ML 預設 AUTO_SPLIT 是隨機切
「評估很好、上線很差」→ 隨機切讓模型偷看了前後幾天，是資料洩漏
改法：data_split_method='SEQ'，data_split_col 指定日期欄，讓最新的一段資料當評估資料

常見問答

訓練集、驗證集、測試集的比例要怎麼抓？

常見起點是 80%、10%、10%。資料只有幾百筆時，驗證、測試集要多留一點，或改用交叉驗證；資料有幾十萬筆以上，驗證、測試集各 1% 就夠。原則是測試集的筆數要夠多，分數才會穩定。

驗證集和測試集差在哪？

驗證集在訓練過程中拿來調超參數、選模型、決定什麼時候停，像模擬考；測試集是全部調完之後，最後才打一次分數，像正式大考。驗證集會被拿來做決定，所以分數會偏樂觀；測試集只用一次，分數才可信。

一定要切三份嗎？只切訓練集和測試集可以嗎？

只切兩份的話，你調超參數時就只能看測試集，測試集等於變成模擬考，最後沒有一份乾淨的資料能打分數。如果完全不調超參數、不選模型，兩份勉強可以；要調整，就要三份，或用交叉驗證代替驗證集。

時間序列資料為什麼不能隨機切？

因為隨機切會讓模型在訓練時看到「未來」的資料。用 8:1:1 隨機切每日資料，測試集裡約 96% 的日子，前一天或後一天在訓練集裡，模型抄隔壁天就能猜得很準，但真正上線時你不會知道明天的答案。時間資料要照時間切，最新的當測試集。

BigQuery ML 預設會怎麼切資料？

預設是 AUTO_SPLIT：少於 500 列全部拿去訓練、不切；500 到 50,000 列隨機切 80% 訓練、20% 評估；超過 50,000 列固定 10,000 列評估。有做超參數調整時是 80%、10%、10%。時間資料要改用 SEQ 並指定日期欄。

交叉驗證是什麼？什麼時候用？

交叉驗證是把資料分成幾份，輪流拿其中一份當驗證、其他拿來訓練，最後把分數平均。例如 5 折交叉驗證要訓練 5 次。資料很少、只切一次分數不穩時特別有用，代價是訓練時間變成好幾倍。時間資料要改用滾動式驗證。

Vertex AI AutoML 的資料切分現在叫什麼？

Vertex AI 在 2026 年 4 月 22 日改名為 Gemini Enterprise Agent Platform（簡稱 Agent Platform），AutoML 現在叫 AutoML on Gemini Enterprise Agent Platform。切分規則延續：分類、迴歸預設隨機 80/10/10，預測模型預設照時間切，也可以用手動切分欄位指定 TRAIN、VALIDATE、TEST。

重點整理

訓練集拿來學參數，驗證集拿來調超參數和選模型，測試集最後只用一次，回報真實成績
常見比例 8:1:1；資料越多，驗證、測試的比例可以越小；資料很少就用交叉驗證
時間序列要照時間切：隨機切時，約 96% 的測試日隔壁那天在訓練集，等於偷看未來，是資料洩漏
另外三個陷阱：重複資料跨兩份、同一群組被拆散、少數類別沒進測試集（用分層抽樣）
BigQuery ML 預設 AUTO_SPLIT，少於 500 列不切，時間資料改用 SEQ；AutoML（原 Vertex AI，現為 Gemini Enterprise Agent Platform）預設隨機 80/10/10，預測模型照時間切

東東 GCP 教學 - GCP 實戰講師

訓練集、驗證集、測試集怎麼切？時間序列為什麼不能亂切

為什麼你需要知道

先看全貌：三份資料各做什麼

訓練集（Training Set）

白話是什麼

比喻

來龍去脈

為什麼要學

驗證集（Validation Set）

白話是什麼

比喻

來龍去脈

為什麼要學

測試集（Test Set）

白話是什麼

比喻

來龍去脈

算一次給你看：為什麼不能拿測試集來挑

比例要怎麼抓？

時間序列為什麼不能亂切

白話是什麼

來龍去脈

比喻

算一次給你看：隨機切，有多少考題被「洩題」

照時間切，要怎麼切

進階：滾動式驗證

除了時間，還有 3 個常見的切法陷阱

陷阱 1：重複的資料跨了兩份

陷阱 2：同一個「群組」被拆散

陷阱 3：稀少的類別被切光了

在 GCP 上怎麼做

1. BigQuery ML：預設切法要看資料有幾筆

照時間切：用 SEQ

2. AutoML on Agent Platform（原 Vertex AI AutoML）

考試會怎麼考

看到這些字，就想到這個

三個常見陷阱

練習情境（自己出的練習，不是真實考題）

常見問答

訓練集、驗證集、測試集的比例要怎麼抓？

驗證集和測試集差在哪？

一定要切三份嗎？只切訓練集和測試集可以嗎？

時間序列資料為什麼不能隨機切？

BigQuery ML 預設會怎麼切資料？

交叉驗證是什麼？什麼時候用？

Vertex AI AutoML 的資料切分現在叫什麼？

重點整理

延伸閱讀

Table of Contents

東東 GCP 教學 - GCP 實戰講師