- Objective: - Breadcrumb: # 概念阐释 数据集通常被分为三部分：训练集、验证集和测试集。 - **训练集**：用于模型的训练，即利用这部分数据来调整模型的[[weights 权重]]（参数）。 - **验证集**：通常用于模型选择过程中，帮助设计者调整模型的超参数（如学习率、层数等），并进行模型间的比较和选择。 - **测试集test set**：测试集是一组独立于模型训练数据的的数据，用来评估模型的泛化能力Generalization，是否存在[[overfitting 过度拟合]]问题。 # 实例 # 相关内容 ## 使用测试集有几个关键原则： 1. **独立性**：测试集的数据应该与训练集完全独立，以避免信息泄露，确保测试结果的有效性。 2. **代表性**：测试集应该从同一数据源抽样，并且要保证能够代表模型将要处理的实际数据的特性和分布。 3. **一次性**：理想情况下，测试集应该只在整个项目的最后阶段使用一次，用于最终的性能评估，以避免模型间接地对测试集“过拟合”。 # 参考资料