训练集,验证集,测试集的作用
发布网友
发布时间：2022-12-25 03:57
共1个回答
热心网友
时间：2023-09-21 19:57
验证数据(valid dataset)指的是，你拿来挑模型的数据，因为训练数据可以训练很多个模型，譬如，训练步长、是否正则化等等，，你用验证数据(来挑一个最好的。
测试数据（test dataset）是指，你挑完最好的了，，要看你模型的泛化能力，就要用到这个验证数据了
原则上，当你的模型在三个数据集上的表现差不多时，就说明你的模型比较稳健(robust)
当然，大多数情况都会有点过拟合，也就是在训练数据很好，在验证数据一般，在测试数据比较糟糕
转自： https://zhidao.baidu.com/question/252069310.html
有了模型后，训练集就是用来训练参数的，说准确点，一般是用来梯度下降的。而验证集基本是在每个epoch完成后，用来测试一下当前模型的准确率。因为验证集跟训练集没有交集，因此这个准确率是可靠的。那么为啥还需要一个测试集呢？
这就需要区分一下模型的各种参数了。事实上，对于一个模型来说，其参数可以分为普通参数和超参数。在不引入强化学习的前提下，那么普通参数就是可以被梯度下降所更新的，也就是训练集所更新的参数。另外，还有超参数的概念，比如网络层数、网络节点数、迭代次数、学习率等等，这些参数不在梯度下降的更新范围内。尽管现在已经有一些算法可以用来搜索模型的超参数，但多数情况下我们还是自己人工根据验证集来调。
那也就是说，从狭义来讲，验证集没有参与梯度下降的过程，也就是说是没有经过训练的；但从广义上来看，验证集却参与了一个“人工调参”的过程，我们根据验证集的结果调节了迭代数、调节了学习率等等，使得结果在验证集上最优。因此，我们也可以认为，验证集也参与了训练。
那么就很明显了，我们还需要一个完全没有经过训练的集合，那就是测试集，我们既不用测试集梯度下降，也不用它来控制超参数，只是在模型最终训练完成后，用来测试一下最后准确率。
更详细参考： https://www.cnblogs.com/ying-chease/p/9073701.html
