一、数据的划分及各部分的作用
在机器学习、深度学习领域,我们通常会将数据分为训练集、验证集和测试集三部分。
训练集的目的是去训练不同的模型;
验证集则是去评估各个模型,选出最好的1或2个模型;
测试集则是最后测试一下选出的模型。测试集不是必须的!
二、训练集/测试集/验证集的划分比例
当数据集规模较小时(如100、1000、10000,可以理解为规模小于百万时),一般会采用传统的划分方法,即按照:
方式一:将训练集和测试集按照70%、30%的比例划分得到,然后从训练集中取10%作为验证集。
方式二:按照60/20/20的比例划分数据,分别得到训练集、测试集、验证集。
当数据规模超过百万时,传统的划分方式不再适用,此时可以按照98/1/1的比例来划分数据,甚至可以将验证集的比例划分的更小(如0.25 0.25 甚至是0.1, 0.1)。