cnn 验证集 参与训练吗_如何正确使用机器学习中的训练集、验证集和测试集？...

训练集、验证集和测试集，林林总总的数据集合类型，到底该怎么选、怎么用？看过这篇教程后，你就能游刃有余地处理它们了。

问题

审稿的时候，不止一次，我遇到作者错误使用数据集合跑模型准确率，并和他人成果比较的情况。

他们的研究创意有的很新颖，应用价值较高，工作可能也做了着实不少。

但因对比方法错误，得出来的结果，不具备说服力。几乎全部都需要返工。

这里，我帮你梳理一下，该怎么使用不同的数据集合：

• 训练集（training set）
• 验证集（validation set）
• 测试集（test set）

目的只有一个——避免你踩同样的坑。

其实这个问题，咱们之前的教程文章，已有涉及。

《如何用 Python 和深度迁移学习做文本分类？》一文中，我曾经给你布置了一个类似的问题。

在文章的末尾，我们对比了当时近期研究中， Yelp 情感分类的最佳结果。

下表来自于：Shen, D., Wang, G., Wang, W., Min, M. R., Su, Q., Zhang, Y., … & Carin, L. (2018). Baseline needs more love: On simple word-embedding-based models and associated pooling mechanisms. arXiv preprint arXiv:1805.09843.

注意这里最高的准确率（Accuracy）数值，是 95.81 。

我们当时的模型，在验证集上，可以获得的准确率，是这个样子的：

97.28%，着实不低啊！

于是我问你：

咱们这种对比，是否科学？

你当时的答案是什么？

这么久过去了，又看了那么多新的教程和论文，你的答案发生变化了吗？

现在咱们公布一下答案吧。

不科学。

为什么？

因为对比方法有问题。

方法

原文中有这样一句：

这里数据集只提供了训练集和“测试集”，因此我们把这个“测试集”当做验证集来使用。

作为演示，数据集咱们想怎么用，就可以怎么用。

甚至你把测试集拿来做训练，然后在训练集上跑测试，都没有人管。

但是写学术论文，声称你的模型优于已有研究，却绝不能这么草率。

注意，比较模型效能数值结果时，你只能拿不同的模型，在同样的测试集上面比。

测试集不同，当然不可以。

但模型A用测试集，模型B用验证集（与A的测试集数据完全一致）比，可以吗？

很多人就会混淆了，觉得没问题啊。既然数据都一样，