大话人工智能: 训练数据集

1.训练集(Training Set)

该数据集用于训练模型；作为训练集的该数据集被用来对模型进行训练；被用来拟合数据分布规律；从而确定了模型的权重和偏置等学习参数；这些参数被称为学习参数。

• 训练集被反复训练
• 确定模型的学习参数
• 训练出（学习出）模型：通常情况下，在一般情况下，
  D 是原始数据集的一个子集，
  用于提取数据特征的部分，
  以提高预测效率。

一般而言，在机器学习中，训练集属于原始数据集的一部分，并被用来训练模型参数。基于该部分数据（即训练集），模型能够学习数据特征，并从而生成一个模型以实现后续预测应用。

训练集的质量直接影响其准确度。一般来说，在训练数据规模更大的情况下，在训练阶段能够获取的信息就会更多，并且模型性能随之提高。

2.验证集**（Validation Set）**

用于评估模型性能的数据集，在训练阶段被用来调节机器学习算法中的各种参数以及超参数设置；目的是为了提高预测准确性并减少过拟合的风险；具体而言，在这一过程中所关注的是找到能够使误差最小化的配置选项；因此，在完成这一系列操作之后所获得的最佳配置将基于其表现出的最佳效果来进行判断

• 验证集使用多次
• 调整并选择模型参数和超参数
• 选择模型（验证模型性能）

在训练机器学习模型时，在训练阶段通常会将一部分数据划分为验证集以便于优化模型的