训练集、测试集、验证集

在机器学习的过程中大家一定会接触这三种数据集，他们之间的区别是什么呢？分别的作用是什么呢？

---

首先需了解：模型中的参数分为两种：超参数、参数

参数：模型根据数据可以自动学习出的变量

超参数：型外部的配置变量，不能通过数据来估计其取值，需要人为设定的参数

---

比如一个自变量一个因变量的数据集：训练集(x1，y1)   测试集(x2，y2)

训练集：顾名思义它是用来训练模型的，我们将数据中的自变量x1与因变量y1放入模型，不断的训练模型，使模型不断学习x1到y1的规律，模型会自动调整变量，最终得到一个令我们满意的模型。

测试集：用于评价模型的好坏，我们将测试集的自变量x2导入已经训练好的模型，得到输出y2*（y2*：模型预测输出） ，通过比较y2*与y2的差异，进行评价模型。

验证集：用于得出最优超参数，也就是我们设定不同的超参数，然后训练模型，使用验证集去先一步评价这些模型，选出最优的超参数，然后在使用该最优超参数进行建模。

---