版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_30354455/article/details/79846091
看了谷歌机器学习的视频，受益颇多，纯属想记录下免得以后忘了，٩(๑❛ᴗ❛๑)۶
接着上一篇（谷歌机器学习速成课程笔记 7），我们会将数据集分成训练集合测试集。好，现在我们将用训练集训练一种模型，然后使用测试数据对模型进行测试并观察其效果，之后我也许会进行一些设置，比如调整学习效率、添加一些特征，除去一些特征等等，然后重新尝试前面的操作，看能否提高测试集准确率，直到根据测试集指标找出最佳模型为止。
……………停，
这样做有问题吗？
答案是肯定的（/笑哭）。
我们可能针对测试集的特性进行了过拟合。
如何解决？增加一个“验证集”
我们可以使用一种增幅小的迭代方法，对训练集进行迭代训练，然后仅使用验证集进行评估和改善模型，将测试集搁置一旁，完全不使用测试集。我将不断调整各项参数以改善模型，直到根据验证数据得出更满意的模型为止。
最后，我才会根据最终测试集测试我的模型，因为我要确保根据测试集得出的结果，基本上符合根据验证集得出的那个结果；如果不符合，则充分说明我可能对验证集进行了过拟合。