【机器学习】训练集、验证集与测试集

关于数据集的划分是基本概念，但是有时候看其他人代码时，经常被弄得云里雾里。

特作此记录。

目录

训练集（train set）

验证集（val set）

验证集的正确打开方式

测试集（test set）

---

• train（含label）——进一步分为train和val。val用于调参。train与val无交集，所以val也可以看模型效果。

        训练集拿来训练模型参数的，对于所有的训练集，训练一个epoch之后，我们会用验证集来测试一下模型在上面的性能，由于训练集和验证集的不可交性，所以在验证集上面的结果是有参考意义的。

• test ——实际中使用模型时遇到的数据（一般无label）。

训练集（train set）

用于训练模型以及确定模型权重。

验证集（val set）

用于确定网络结构以及调整模型的超参数。

使用验证集是为了快速调参，也就是用验证集选择超参数（网络层数，网络节点数，迭代次数，学习率这些）。另外用验证集还可以监控模型是否异常（过拟合什么的），然后决定是不是要提前停止训练。

验证集的关键在于选择超参数，我们手动调参是为了让模型在验证集上的表现越来越好，如果把测试集作为验证集，调参去拟合测试集，就有点像作弊了。

验证集不参与反向传播（梯度下降过程的）。

验证集的正确打开方式

验证集可以看做参与了 “人工调参” 的训练过程

一般训练几个 epoch 就跑一次验证看看效果（大部分网络自带这个功能）

这样做的第一个好处是：可以及时发现模型或者参数的问题，比如模型在验证集上发散啦、出现很奇怪的结果啦（Inf）、mAP不增长或者增长很慢啦等等情况，这时可以及时终止训练，重新调参或者调整模型，而不需要等到训练结束。

另一个好处是验证模型的泛化能力，如果在验证集上的效果比训练集上差很多，就该考虑模型是否过拟合了。同时，还可以通过验证集对比不同的模型（模型选择）。

验证集是否一定要有？

不一定要有

数据划分

数据量较小（传统机器学习）

• 没有验证集，建议设置成训练集：测试集=7：3
• 有验证集，训练集：验证集：测试集=6：2：2

深度学习

• 深度学习中若是数据很大，可以将训练集、验证集、测试集比例调整为98：1：1

测试集（test set）

用于检验模型的泛化能力。既不参与参数的学习过程，也不参与参数的选择过程，仅仅用于模型评价。

划分依据：

根据吴恩达老师所说，在数据较少情况下（万为单位及以下），可以按照60％，20％，20％的比例来划分数据。大数据时代，百万级别的数据情况下，训练集的数据可以达到98％左右。

同时，建议验证集与训练集的数据来自同一分布。

文章来源：

训练集、验证集与测试集_关关在干嘛的博客-CSDN博客_验证集有反向传播

验证集和测试集的区别？_不吃饭就会放大招的博客-CSDN博客_测试集和验证集能一样吗

数据集的划分，验证集参与训练了吗？_无枒的博客-CSDN博客_验证集参与训练吗