爲何引入驗證集來評估機器學習模型？只用訓練集和測試集能夠嗎？

評估模型的重點是將數據劃分爲三個集合：訓練集、驗證集和測試集。在訓練數據上訓練模型，在驗證數據上評估模型。一旦找到了最佳參數，就在測試數據上最後測試一次。你可能會問，爲何不是兩個集合：一個訓練集和一個測試集？在訓練集上訓練模型，而後在測試集上評估模型。這樣簡單得多！python 緣由在於開發模型時老是須要調節模型配置，好比選擇層數或每層大小［這叫做模型的超參數（hyperparameter），以便

>>阅读原文<<