Machine learning 中的 validation sample 是属于in-sample 还是 out-of-sample 呀？在CFA考试中很多人在问这个问题，今天小编给你说说！
机器学习(Machine Learning)，是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
machine learning机器学习，就是把收集到的数据分成两组，一组叫training sample，另一组是validation sample。具体是说，把training sample的数据喂（feed）给电脑，让它自己识别学习，总结出一套规律算法。
然后用总结出的算法放到 validation sample （验证样本）中检验，看规律是否成立。
机器学习分为两种 ，一种是supervised，也就是labeled traning data,就是事先认为的给出一些label，比如检验桃子和苹果混合在一起，人为事先给出 检测表面有没有毛，果实硬度 这些label让机器检验；另一种是unsupervised，也就是not labeled，机器自己总结特点规律，比如实际中 银行反洗钱，和垃圾邮件，都是机器自己识别，人类没有给label，此外 机器学习的考点还有，需要人类的主观判断，会出现overfitting问题，以及暗箱操作（black box）。
然后问的 in sample 还是out of sample 中的sample是指training sample 所以 validation是out of sample 的，所以说它就是out-of-sample，如果你在备考中有很多的不懂的知识，可以跟着一起学习哦！
