对训练集，测试集，和验证集的理解

对训练集，测试集，和验证集的理解

在网上看了一些资料，做了一些题目之后发现，很多人似乎对这些集合的称呼不太统一。参考周志华老师的《机器学习》，简单说一下自己对这些名词的理解。

训练集

训练过程使用的数据称为“训练数据”（training data），其中每个样本称为一个“训练样本”（training sample），训练样本的集合称为“训练集”（training set）。

测试集

“测试集”（testing set）用来测试学习器对新样本的判别能力，然后以测试集上的“测试误差”（testing error）作为泛化误差的近似。

验证集

我们通常把学得模型在实际使用中遇到的数据称谓测试数据，为例加以区分，模型评估与选择中用于评估测试的数据集称谓“验证集”（validation set）。

总结

综上所述，训练集，测试集和验证集均属于已知的数据集；与学得的模型在实际使用中遇到的数据没什么关系。 所以我们在处理已知的数据集时，通常需要面临如何将有限的数据集划分成训练集、测试集和验证集三部分的问题。