找到草莓的几步
在了解机器学习的过程中我们常常会听到几个数据集
graph LR
数据集-->训练集
数据集-->验证集
数据集-->测试集
- 训练集:训练集用来训练机器、构建模型
- 验证集:在模型中验证得到最优模型
- 测试集:使用测试集检验最优模型的性能 保证其真实可用
草莓甜不甜?
- 我们可以先拿6个草莓训练几个判断草莓甜不甜的机器
- 训练之后再拿两个草莓去验证他们的情况 留下最优的模型
- 最后再拿出两个它从来没见过的草莓 再次检验它的性能
一般来说,训练集、验证集和测试集的比例是3:1:1
为什么要拿所有的数据分成三部分?
还记得前面提过的过拟合吗?
如果拿所有的数据来训练 那么机器很有可能无法判断新样本
视频来源