为什么要划分训练集、验证集、测试集？

训练集、验证集、测试集的定义如下：

训练集：用来学习的样本集，用于分类器参数的拟合。

验证集：用来调整分类器超参数的样本集，如在神经网络中选择隐藏层神经元的数量。

测试集：仅用于对已经训练好的分类器进行性能评估的样本集。

引用于：业界 | 似乎没区别，但你混淆过验证集和测试集吗？

在我们使用验证集作为调整模型的超参数的时候，其实是在让模型拟合甚至过拟合验证集，故而再使用验证集来评估模型是不恰当的，也是无法实现目的的。故应使用测试集来进行评估。