细说深度学习训练集、验证集、测试集（为什么有的论文的数据集只有训练集和验证集而无测试集）

验证集的作用：验证集是用来让我们验证一下网络的当前训练结果，以便于我们观察模型的泛化能力，看模型是否有过拟合，以调整网络的超参数如网络架构，学习率等。注意网络的训练并没有真的用到验证集，因为验证期间没有计算梯度，没有更新参数！

我们知道，传统机器学习的根本假设是：用于训练模型的数据和用来测试模型的数据来自同一个概率分布。

对于规模很大的数据集，我们可以理想一点，认为他们服从这个根本假设。既然数据集很大，那我们就可以奢侈一点，把数据集划分为术业有专攻的三块：训练集，验证集，测试集。

但是其实很多时候只分为两块，即训练集和测试集，一是因为数据量有限，二是因为测试集可以身兼两职，既可以用作验证集来验证模型的训练结果，又可以用来得到最终测试结果。

分为两块的这种划分还有个专门的名字，叫做“留出法”。

训练集用来训练NN，即根据反向传播的误差对每个参数的梯度进行参数更新；

验证集专门用来看看每经过1个epoch的训练之后，NN的性能如何，即验证一下当前模型的能力，那当然要用模型从来没见过的数据，即验证集绝对不能来自训练集！

（如果把训练集的一部分作为验证集，那模型当然会表现很好，因为已经见过了，并且根据这些数据还做了自我校正。就像考试出原题无法验证考生的真实学习能力一样。）

最重要的一点：验证NN性能的过程不会更新网络的参数，因为验证时停止了梯度的反向传播！这一点一看代码就知道了。

所以！验证就是测试，测试就是验证，使用的是同样的代码，只是由于目的不同而有了不同的名字。

所以！如果你的任务中数据集比较小的话，完全可以拿测试数据作为验证数据，而不必非要分为三部分，害的每一部分的size都很捉襟见肘，搞得训练集太小不够训练，测试集太小使得测试精度不那么可信，很尴尬。

这也是为什么很多论文中给出的训练过程图中给的是训练精度（train_accuracy）和测试精度(test_accuracy)的变化，而非训练精度和验证精度(validation_accuracy)。比如：

如果验证集就是测试数据的话，那么test_accuracy曲线的最后一个值就是最终的测试精度啦。

测试集就是最终要测试的数据了，是要得到一个结果，比如精度或者误差。

既然测试集可以用作验证集，那为啥还要分成三个集呢？
这太简单了，因为测试数据会变化啊。训练好一个模型后，之后可能会把他用到新的测试数据上，但是之前训练过程中用了当时任务的测试数据做验证集。

有必要说一说交叉验证，因为我之前把交叉验证和验证集搞混。

上面的留出法多做几次，把结果取平均就是交叉验证了。

交叉验证是针对数据集太小的情况，想要充分榨干这个小数据集的光和热，数据集够大就不需要折腾这个了。直接举个例子说明：

如果一个数据集有100条数据，按照8:2分为训练集和测试集（直接用测试集作为验证集），则应该用训练集的80条数据训练模型，用测试集的20条数据来测试训练的效果如何。

显然，这个模型只见到了80条数据，而有20条没见过，如果这俩数字是80000和20000，那我们觉得这个模型是可信的，毕竟8万条数据含有的多样性大概率已经包含了这2万条所含的多样性，所以无需钻研交叉验证。

但是80和20这两个数字，样本量太吝啬，我们会觉得这80条数据很可能没有包含着20条所能展示的多样性（信息），所以用这80条数据训练的模型的效果也就不那么可信了，因为这个模型没见过这20条数据的模式，所以识别效果也许也不好，即过拟合。

如果不考虑扩充数据集，那就只能充分利用这个小数据集。于是就有了交叉验证：我们再重新划分4次训练集和测试集，每次拿不同的80条作为训练集，另外20条作为测试集；最后把五次实验结果一平均，就是5折交叉验证。

注意在实现中，5次实验的5个测试集，不是说必须完全不同（第一次以编号为0-19的作为测试集，第二次20-39，第三次40-59，第四次60-79...），当然，这样做才严格符合交叉验证的定义，这样最好。

但是为了实现方便，一般是用随机法来近似。即：随机选择20条作为测试集，剩下的就是训练集了，5折就选5次，10折就选10次。

---

总之，训练集是用来通过梯度反向传播更新参数的，而验证集和测试集不会通过梯度反向传播更新参数，所以测试集和验证集完全可以是同一个数据集，而他俩都不可以和训练集有交叠，即必须互斥。