要正确地进行推断，你必须理解一对概念：

• 每条观测数据要么用于探索，要么用于验证，不能两者兼用。
• 你可以将一条观测数据随意多次用于探索，但只能将其用于一次验证。一旦你将一条观测数据使用了两次，你就从验证转入了探索。

这是必要的，因为要验证一个假设，你必须使用与生成该假设所用数据相互独立的数据。否则你会过于乐观。探索本身完全没有问题，但你绝不应将探索性分析当作验证性分析来出售，因为这从根本上具有误导性。

如果你认真想要进行验证性分析，一种方法是在开始分析之前将数据分成三部分：

• 60% 的数据放入训练（或探索）集。你可以对这些数据做任何想做的事：将其可视化并拟合大量模型。
• 20% 放入查询集。你可以用这些数据手动比较模型或可视化结果，但不允许将其用于自动化流程。
• 20% 留作测试集。你只能使用这些数据一次，用来测试你的最终模型。

这种划分让你可以探索训练数据，偶尔生成候选假设并用查询集进行检验。当你确信自己找到了正确的模型时，可以用测试数据检验一次。

（注意，即使在进行验证性建模时，你仍然需要做 EDA。如果不做任何 EDA，你将对数据中的质量问题一无所知。）