机器学习 数据集划分 训练集 验证集 测试集

版权声明：本文为博主原创文章，转载请注明转自 Scofield's blog[/scotfield_msn] /Scotfield_msn/article/details/69945350

机器学习数据挖掘之数据集划分： 训练集 验证集 测试集

Q：将数据集划分为测试数据集和训练数据集的常用套路是什么呢？

A：three ways shown as follow:

1.像sklearn一样，提供一个将数据集切分成训练集和测试集的函数：

默认是把数据集的75%作为训练集，把数据集的25%作为测试集。

2.交叉验证（一般取十折交叉验证：10-fold cross validation）

k个子集，每个子集均做一次测试集，其余的作为训练集。

交叉验证重复k次，每次选择一个子集作为测试集，并将k次的平均交叉验证识别正确率作为结果。

3.训练数据，验证数据（注意区别交叉验证数据集），测试数据（在Coursera上提到）

一般做预测分析时，会将数据分为两大部分。一部分是训练数据，用于构建模型，一部分是测试数据，用于检验模型。但是，有时候模型的构建过程中也需要检验模型，辅助模型构建，所以会将训练数据在分为两个部分：1）训练数据；2）验证数据（Validation Data）。验证数据用于负责模型的构建。典型的例子是用K-Fold Cross Validation裁剪决策树，求出最优叶节点数，防止过渡拟合（Overfitting）。

所以：

训练数据（Test Data）：用于模型构建

验证数据（Validation Data）：可选，用于辅助模型构建，可以重复使用。

测试数据（Test Data）：用于检测模型构建，此数据只在模型检验时使用，用于评估模型的准确率。绝对不允许用于模型构建过程，否则会导致过渡拟合。

版权声明：转载请注明出处 /JNingWei/article/details/78170171

区别

附言

说到底：

验证集是一定需要的；如果验证集具有足够泛化代表性，是不需要再整出什么测试集的；整个测试集往往就是为了在验证集只是非训练集一个小子集的情况下，好奇一下那个靠训练集（训练）和验证集（调参）多次接力训练出来的模型是不是具有了泛化性能，因而加试一下图个确定。

references

/bourneli/archive//03/11/2954060.html

/lhx878619717/article/details/49079785

/chloezhao/article/details/53502674

/q/1010000005917400

如果觉得《机器学习 数据集划分 训练集 验证集 测试集》对你有帮助，请点赞、收藏，并留下你的观点哦！