在機器學習中，開發模型時總需要調節模型的參數，比如改變權重、選擇層數或每層的大小，這個調節過程需要在訓練的模型上通過驗證集數據的表現來提供一個反饋信號，去修改網絡模型及參數。這就是驗證集的作用，這也會造成驗證集的信息泄露，反饋的越多，信息泄露的越多，即模型就更清楚的認識驗證集，最終會造成模型在驗證集上過擬合，這時就需要一個對于模型完全陌生的數據集-----測試集來衡量模型的好壞。

參考文章：機器學習：為什么需要驗證集？

總結

以上是生活随笔為你收集整理的机器学习中为啥要有验证集？只要训练集和测试集不就可以了吗？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。