用于训练机器学习模型的80-20或80-10-10？

用于训练机器学习模型的80-20或80-10-10是指数据集的划分比例，其中80%或者80%的数据用于训练模型，剩下的20%或者10%的数据用于验证和测试模型的性能。

这种划分比例是一种常见的做法，旨在充分利用数据集进行模型训练，并评估模型的泛化能力。具体的划分比例可以根据数据集的大小和特点进行调整。

优势：

1. 充分利用数据：使用80%或者80%的数据进行模型训练可以更好地捕捉数据的特征和模式，提高模型的准确性和性能。
2. 验证模型性能：使用剩下的20%或者10%的数据进行模型验证和测试，可以评估模型的泛化能力，判断模型是否过拟合或者欠拟合。
3. 节省时间和资源：相对于使用更大比例的数据集进行训练，80-20或者80-10-10的划分可以节省训练时间和计算资源。

应用场景： 80-20或者80-10-10的数据集划分适用于各种机器学习任务，包括分类、回归、聚类等。它可以用于各个行业和领域的数据分析和预测，如金融、医疗、电商、推荐系统等。

腾讯云相关产品： 腾讯云提供了一系列与机器学习相关的产品和服务，可以帮助用户进行数据处理、模型训练和部署等工作。以下是一些推荐的腾讯云产品和产品介绍链接地址：

1. 云服务器（Elastic Cloud Server，ECS）：https://cloud.tencent.com/product/cvm
2. 云数据库（TencentDB）：https://cloud.tencent.com/product/cdb
3. 人工智能平台（AI Lab）：https://cloud.tencent.com/product/ai
4. 云原生应用引擎（Tencent Cloud Native Application Engine，TKE）：https://cloud.tencent.com/product/tke
5. 视频处理（云点播）：https://cloud.tencent.com/product/vod
6. 图像识别（腾讯云图像识别）：https://cloud.tencent.com/product/ai-image
7. 自然语言处理（腾讯云自然语言处理）：https://cloud.tencent.com/product/nlp

请注意，以上仅为示例，具体的产品选择应根据实际需求和情况进行评估和选择。