Testing datasets 和 Validation datasets有什么区别？

Testing datasets 和 Validation datasets有什么区别？

参考资料：

https://www.sohu.com/a/159288970_465975

https://blog.csdn.net/Forrest97/article/details/107517977

https://blog.csdn.net/MyArrow/article/details/51504328

1、因为当我们验证模型的时候，测试集好像和验证集实际上并没有多大区别，实际上：验证数据集（validation dataset）是模型训练过程中留出的样本集。它可以用于调整模型的超参数和评估模型的能力。

2、测试数据集（test dataset）不同，虽然同是模型训练过程中留出的样本集，但它是用于评估最终模型的性能，帮助对比多个最终模型并做出选择。

---

一个很形象的比喻：

---

2. 训练数据(Training Set) 用于调整网络的权重(weights)和偏差(biases)。

3. 验证数据(Validation Set) 验证数据用于最小化过拟合(overfitting)。

   这数据不调整权重和偏差。在基于训练数据调整权重之后，如果基于训练数据的准确度增加了，而基于验证数据的准确度没有增加或反而下降了，则表明过拟合（overfitting）了，需要立即停止训练。

4. 测试数据(Testing Set) 在训练完成之后，使用测试数据确认网络真正的预测和分类能力。