寫在開頭：**中經常出現這樣的話——利用xx資料，一部分作為訓練樣本，另一部分作為測試樣本，再將xx應用於xx資料得出結論。訓練用於訓練某些東西，測試用於測試訓練成果，最後應用。一句話超簡單，但是簡單到只有邏輯清晰，完全沒有形成感性認識。所以訓練、驗證（哈哈哈，其實還有乙個）、測試集的關鍵區別是什麼？
目的是不要死磕在乙個資料集上。
以高考為例，
訓練集是平時的訓練，作業、周考、月考啥的，訓練出因素的引數，比如心情加權5，監考老師加權2.
驗證集是高考模擬考，一模二模啥的，用於在各種模型中選出最優，比如天氣26°、濕度98%、穿黃色的鞋子...（各種模型我猜是各種因素的不同組合吧）
測試集就是最後的高考，只有一次，對應最終模型。
機器學習 訓練集 驗證集 測試集
為什麼要將資料集分為訓練集 驗證集 測試集三部分？對於很多機器學習的初學者來說，這個問題常常令人很迷惑，特別是對於驗證集和測試集的區別更讓人摸不到頭腦。下面，我談一下這三個資料集的作用，及必要性 訓練集 顯然，每個模型都需要訓練集，訓練集的作用很明顯，就是直接參與模型的訓練過程。測試集 測試集完全不...
機器學習的訓練集 驗證集和測試集
在機器學習中，最佳的資料分類情況是把資料集分為三部分，分別為 訓練集 train set 驗證集 validation set 和測試集 test set 訓練集很好理解就是訓練我們的模型。那麼驗證集和測試集有什麼作用？首先需要了解的是在乙個機器學習模型中，模型的引數分為普通引數和超引數，普通引數比...
機器學習中的訓練集 驗證集 測試集
訓練集用來訓練模型，即確定模型的權重和偏置這些引數，通常我們稱這些引數為學習引數。而驗證集用於模型的選擇，更具體地來說，驗證集並不參與學習引數的確定，也就是驗證集並沒有參與梯度下降的過程。驗證集只是為了選擇超引數，比如網路層數 網路節點數 迭代次數 學習率這些都叫超引數。比如在k nn演算法中，k值...