Deep Learning 基础 – 训练集、验证集、测试集
Tags： Deep_Learning
本文主要包含如下内容：
训练集、验证集、测试集
训练集仅仅用于训练，验证集则纯粹用于超参数的调节，而测试集用于验证训练模型的泛化能力。
验证集多次使用，以不断调参使用，可以使得模型在验证集上有很好的效果，有可能验证集不具有足够的泛化性能，因此导致训练好的模型泛化能力差。从狭义来讲，验证集没有参与梯度下降的过程，也就是说是没有经过训练的；但从广义上来看，验证集却参与了一个“人工调参”的过程，我们根据验证集的结果调节了迭代数、调节了学习率等等，使得结果在验证集上最优。因此，我们也可以认为，验证集也参与了训练。
测试集只需使用一次，往往数据量比较大，具有比较好的泛化性。因此用于评估训练好之后模型的泛化性能。往往验证集是测试集的一部分数据。
验证集和测试集是可以相互转化的，只要验证集具有足够的泛化性，那么就没有测试集的存在价值了。