大话人工智能之训练数据集

1.训练集(Training Set)

     用于训练模型的数据集。训练集用来训练模型，拟合出数据分布规律，即确定模型的权重和偏置等参数，这些参数称为学习参数。

• 训练集使用多次
• 确定模型权重、偏置等学习参数
• 训练出（学习出）模型通常情况下，训练集是原始数据集的一部分，用于训练模型的参数。模型通过训练集来学习数据的特征，并产生一个模型，以便在之后的预测中使用。

    通常情况下，训练集是原始数据集的一部分，用于训练模型的参数。模型通过训练集来学习数据的特征，并产生一个模型，以便在之后的预测中使用。

     训练集的质量决定了模型的准确性，通常情况下，训练集越大，模型能够学习到的信息就越多，性能也会相应提升。

2.验证集（Validation Set）

     用于验证模型性能的数据集。在模型训练过程中，验证集用来调整模型参数和超参数，以优化模型性能，避免过拟合，即验证集用于模型选择，并不参与学习参数的确定，而是为了选择出模型误差较小的模型参数和超参数。

• 验证集使用多次
• 调整并选择模型参数和超参数
• 选择模型（验证模型性能）

     它通常是从原始数据集中划分出来的，用于在训练过程中调整模型的参数和超参数，以提高模型的性能。验证集的作用是帮助开发人员调整模型，避免模型过拟合或欠拟合。

      训练时，模型会不断地在训练集上进行迭代和优化 。然而，仅仅依赖训练集上的性能来评估模型的好坏是不够的。因为模型可能会过度拟合训练集中的数据，导致在未知数据上的性能下降。这时，验证集就派上了用场。

     通过将模型在验证集上进行测试，