Python实现K折交叉验证

训练集

​  训练集（Training Dataset）是用来训练模型使用的，在机器学习的7个步骤中，训练集主要在训练阶段使用。

验证集

  当我们的模型训练好之后，我们并不知道模型表现的怎么样，这个时候就可以使用验证集（Validation Dataset）来看看模型在新数据（验证集和测试集是不用的数据）上的表现如何。同时通过调整超参数，让模型处于最好的状态。

  验证集有2个主要的作用：

    ①评估模型效果，为了调整超参数而服务

    ②调整超参数，使得模型在验证集上的效果最好

  验证集不像训练集和测试集，它是非必需的。如果不需要调整超参数，就可以不使用验证集，直接用测试集来评估效果。验证集评估出来的效果并非模型的最终效果，主要是用来调整超参数的，模型最终的效果以测试集的评估结果为准。

测试集

  我们通过测试集（Test Dataset）来做最终的评估。通过测试集的评估，我们会得到一些最终的评估指标：准确率、精确率、召回率、F1值等。

  三种数据集之间的关系好比：训练集相当于上课学知识；验证集相当于课后的练习题，用来纠正和强化学到的知识；测试集相当于期末考试，用来最终评估学习效果的。