請查看下列選項。

我們探討瞭如何使用測試集和訓練集來改良模型的開發作業。每次疊代時，我們都會透過測試資料的評估結果來訓練訓練資料，並使用測試資料的評估結果，藉此針對各個模型超參數 (例如學習率和特徵) 選擇選項並做出變更。這個方法是否有任何問題？(只能選取一個答案。)

當然，我們訓練了訓練資料，並另外針對獨立的保留測試資料進行評估。

事實上，這裡有小問題。試想一下，如果有許多人重複參與這份表單，

執行本程序的每一回合可能會導致我們默示配合特定測試集的特性。

沒錯，沒錯！評估特定測試集的頻率越頻繁，就越有可能隱含過度接受該測試集。接下來我們將介紹更好的通訊協定。

計算效率低落。我們只應選取一組預設的超參數並存資源，以節省資源。

雖然這類疊代作業的費用很高，但同時也是模型開發作業的重要部分。超參數設定會對模型品質造成極大的影響，我們應一律保留一定的時間和運算資源，以確保提供最佳品質。