拆分测试集与训练集是在采样之后还是采样之前

拆分测试集与训练集通常是在采样之前进行的。在机器学习中，我们将数据集划分为训练集和测试集，以便评估模型的性能。这样做有助于检查模型在未见过的数据上的表现，并验证其泛化能力。通常，我们会在开始训练模型之前，将数据集按照一定比例（如70%训练集和30%测试集）进行划分，并确保两个数据集是相互独立的。然后，我们使用训练集来训练模型，并使用测试集来评估模型的性能。