实际建模时，数据如何划分以及划分出的每一部分数据的用途

在实际建模时，通常会将数据集划分为训练集、验证集和测试集三部分。其中训练集用于训练模型，验证集用于模型的调参和验证，测试集用于测试模型的泛化能力。具体划分方式如下：

1. 训练集：通常将数据集的70%~80%作为训练集，用于训练模型。训练集是模型的“大本营”，是模型学习参数和权重的主要数据来源。

2. 验证集：通常将数据集的10%~15%作为验证集。验证集是用来调整模型的参数和超参数，以及验证模型的性能。在模型训练过程中，可以通过验证集的表现来判断模型的泛化能力，并根据验证集的结果进行模型调整。

3. 测试集：通常将数据集的10%~15%作为测试集，用于测试模型的泛化能力。测试集是在模型训练和调整完成后，用来评估模型的真实表现。测试集的数据不能参与模型的训练和调整过程，否则会影响测试结果的可信度。

需要注意的是，数据集的划分应该是随机的，并且要保证训练集、验证集和测试集的数据分布相似。这样才能保证模型具有较好的泛化能力，能够在新数据上表现良好。