机器、深度学习的训练集、测试集以及应用到具体场景1

写在开头：论文中经常出现这样的话——利用XX数据，一部分作为训练样本，另一部分作为测试样本，再将XX应用于XX数据得出结论。训练用于训练某些东西，测试用于测试训练成果，最后应用。一句话超简单，但是简单到只有逻辑清晰，完全没有形成感性认识。所以训练、验证（哈哈哈，其实还有一个）、测试集的关键区别是什么？

 

目的是不要死磕在一个数据集上。

以高考为例，

训练集是平时的训练，作业、周考、月考啥的，训练出因素的参数，比如心情加权5，监考老师加权2.

验证集是高考模拟考，一模二模啥的，用于在各种模型中选出最优，比如天气26°、湿度98%、穿黄色的鞋子...（各种模型我猜是各种因素的不同组合吧）

测试集就是最后的高考，只有一次，对应最终模型。