机器学习笔记之~训练集、验证集和测试集的区别

机器学习中，经常会将数据划分为训练集、验证集和测试集，常见比例是8:1:1，也可根据需要进行调整。

训练集：顾名思义，是对模型进行训练，一般是用来梯度下降的，得到模型的参数（不是超参数）。

验证集：一般是在每个epoch完成后，用来测试当前模型的准确率。验证集跟训练集没有交集，因此这个准确率是可靠的。但是，验证集参与了一个“人工调参”的过程，根据验证集的结果可以调节迭代次数、学习率等超参数，使模型的结果在验证集上最优，可以认为，验证集也参与了模型的训练。

测试集：一个没有参与模型训练过程的数据集，既不用它进行梯度下降，也不用它来调整超参数，只是在模型训练完成后，用来测试模型的准确率。

 

 

参考：https://www.jianshu.com/p/7e032a8aaad5