使用數據集時，一般將其分為三段：訓練集、驗證集、測試集。

• 測試集

  決不能使用測試集來進行調優，會造成算法對測試集過擬合。應該把測試集看做非常珍貴的資源，不到最后一步，絕不使用它。

• 驗證集

  由于測試數據集只使用一次，所以，從訓練集中取出一部分數據作為驗證集（validation set）。驗證集其實就是作為假的測試集來調優。

• 交叉驗證

  有時候，訓練集數量較小（因此驗證集的數量更小），人們會使用一種被稱為交叉驗證的方法，這種方法更加復雜些。

  可以將訓練集平均分成 5 份，然后我們循環著取其中4份來訓練，其中1份來驗證，最后取所有5次驗證結果的平均值作為算法驗證結果。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的数据集划分的全部內容，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。