留出法是那篇文献提到的方法

对于机器学习中的数据集划分，留出法是常用的一种方法。留出法是将原始数据集划分成训练集和测试集两部分，其中训练集用于模型的训练，测试集则用于评估模型的性能。留出法的划分比例可以根据实际情况进行设定，一般情况下训练集占总数据集的比例为70-80%，测试集占20-30%。留出法的优点是简单易行，适用于数据集较小的情况下。缺点是可能会因为随机性导致评估结果不稳定，同时数据集划分的方法也可能会影响模型的评估结果。

相关问题

卷积神经网络是那篇文献提出的

卷积神经网络（Convolutional Neural Network，CNN）是由Yann LeCun等人在1998年的论文《Gradient-based learning applied to document recognition》中提出的。这篇论文介绍了一种基于梯度的学习方法，用于文档识别任务。在该论文中，LeCun等人首次引入了卷积神经网络的概念，并将其应用于手写数字识别任务，取得了较好的效果。

提到Knight trap的文献是哪篇？

这个问题涉及到Knight trap的文献，可能指的是英国化学家Richard J.K. Knight在其论文《Vacuum-Induced Traps in Microscale Gases》中提出的Knight trap理论。