不，他实际上说的是相反的：

最后一点：我应该说，在今天的这种实践中，在机器学习中，有很多人会做我所说的早期事情，并说，你知道......

然后他说（他谈到的“早期事情”）：

选择您的模型作为测试集，然后使用相同的测试集报告错误......不幸的是，很多人都这样做

在本课中，他解释了如何分离数据集：

1. 训练集来训练模型；
2. 交叉验证集以找到正确的参数；
3. 测试集以找到最终的泛化错误（在使用交叉验证集期间找到的具有最佳参数值的函数）。

所以 Andrew Ng 抱怨很多人使用相同的数据集来找到正确的参数，然后将该数据集的错误报告为最终泛化错误。