关于机器学习、深度学习基础概念的一些理解

首先，根据问题的背景，需要选择合适的机器学习或深度学习算法去求解，也就是说需要训练出一个模型来，这个模型的实际训练过程是：当确定了机器学习模型后，需要在训练集上进行训练确定其中的权重和偏差参数（使用梯度下降算法最小化损失函数），使用训练数据集来训练模型的过程称作为模型拟合，确定的是参数；但实际还有一些超参数需要去确定，也就是模型选择（不同的超参数对应一个不同的模型），使用在训练数据集上得到的模型在验证集上做模型选择确定最合适的超参数；当前两步完成后，将模型应用在测试数据集上来测试其泛化能力。
之所以使用train set, validation set, test set而不是直接使用train set 和test set，是因为需要实际处理未见过的数据时的实际泛化能力