训练集 验证集 测试集 的区别

训练集、验证集和测试集都是机器学习模型中常用的数据集划分方式。它们的区别如下：

1.训练集：用于训练模型的数据集。

2.验证集：用于调整模型超参数的数据集，例如学习率、正则化系数等，以提高模型的泛化能力。

3.测试集：用于评估模型的泛化能力的数据集。

通常，我们会将原始数据集随机分成三个部分，常见的划分比例是训练集：验证集：测试集=6:2:2。

下面是一个划分数据集的例子：

import numpy as np

# 生成数据
data = np.arange(100)

# 随机打乱数据
np.random.shuffle(data)

# 划分数据集
train_data = data[:60] # 前60%作为训练集
val_data = data[60:80] # 中间20%作为验证集
test_data = data[80:] # 后20%作为测试集