在机器学习中的监督学习算法，通常将原始数据划分为训练集，验证集和测试集，划分的比例一般为60%：20%：20%，对原始数据三个数据集的划分，是为了能够选出模型效果最好的（准确率等指标）、泛化能力最佳的模型。

1、训练集（training set）
作用：用来拟合模型，通过设置分类器的参数，训练分类模型。（训练出多个分类模型，同一参数不同取值的模型）

2、验证集（cross validation set）
作用：通过训练集训练出多个模型后，为了找出效果最好（例如，均方误差最小）的模型，使用各个模型对验证集数据进行预测，并记录模型准确率。选出效果最好的模型所对应的参数（神经网络中隐藏单元数）。
总结：用来调整模型参数。

3、测试集（test set）
通过训练集和验证集得出模型后，使用测试集进行模型预测。
最终用测试集来衡量模型的性能，对模型进行评估。

从某种角度讲，对原始数据进行三个类别数据集的划分，也是为了防止模型过拟合。当我们使用原始数据去训练模型时，得到的结果很可能是该模型最大程度地拟合了原始数据，也就是说，该模型对原始数据的分类很准确，但是，当新样本出现时，用该模型进行测试，效果十分的差（也就是模型的泛化能力差，出现了过拟合），还不如用原始数据的一部分进行训练。

延伸：什么是过拟合？如何防止机器学习中的过拟合？
请见我的下一篇博文。


仅用来个人学习和分享，如若侵权，留言立删。

尊重他人知识产权，不做拿来主义者！

喜欢的可以关注我哦QAQ，

你的关注就是我write博文的动力。