机器学习笔记之~训练集、验证集和测试集的区别

本文详细介绍了机器学习中数据集的划分方法,包括训练集、验证集和测试集的作用及比例分配,强调了每种数据集在模型训练过程中的独特角色。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习中,经常会将数据划分为训练集、验证集和测试集,常见比例是8:1:1,也可根据需要进行调整。

训练集:顾名思义,是对模型进行训练,一般是用来梯度下降的,得到模型的参数(不是超参数)。

验证集:一般是在每个epoch完成后,用来测试当前模型的准确率。验证集跟训练集没有交集,因此这个准确率是可靠的。但是,验证集参与了一个“人工调参”的过程,根据验证集的结果可以调节迭代次数、学习率等超参数,使模型的结果在验证集上最优,可以认为,验证集也参与了模型的训练。

测试集:一个没有参与模型训练过程的数据集,既不用它进行梯度下降,也不用它来调整超参数,只是在模型训练完成后,用来测试模型的准确率。

 

 

参考:https://www.jianshu.com/p/7e032a8aaad5

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值