在机器学习算法中,我们通常将原始数据集划分为三个部分:
(1)Training set(测试集)
(2)Validation set(验证集)
(3)Testing set(测试集)
其中Validation set的作用是用来避免过拟合的。在训练过程中,我们通常用它来确定一些超参数(例:根据Validation set的accuracy来确定early stoping的epoch大小,根据Validation set确定learning rate等等)。之所以不用Testing set,是因为随着训练的进行,网络会慢慢过拟合测试集,导致最后的Testing set没有参考意义。因此Training set用来计算梯度更新权重,Validation set的作用如上所述,Testing set则给出一个accuracy以判断网络性能的好坏。
Reference: