完整定義
驗證資料集是在機器學習模型訓練過程中,用於評估模型效能並調整超參數的獨立資料集。它與訓練資料集和測試資料集不同,主要目的是在模型訓練期間提供一個不帶偏差的評估,幫助選擇最佳模型並防止過擬合。
白話說明
你有沒有在考試前,先拿幾題模擬題試水溫?
你可以把驗證資料集想成「訓練途中拿來看模型表現的模擬考」
它不是拿來真正學習參數的,而是幫你調模型和挑設定
如果把它拿去訓練,最後評估就會不準
記住這句
訓練用來學,驗證用來挑,測試用來算最後成績。
比喻:驗證資料集就像學生在正式大考前做的「模擬考」-- 透過模擬考,學生可以知道哪些地方還不夠熟練,並調整學習策略,但模擬考成績不會計入最終總分。
容易混淆
驗證資料集 vs 訓練集
訓練集負責學參數
驗證資料集負責看調整後的效果
最關鍵的區別:學習和檢查
驗證資料集 vs 測試集
驗證集會被你反覆看
測試集只該最後看一次
最關鍵的區別:調參工具和最終考卷
驗證資料集 vs 交叉驗證
驗證集是固定切一份
交叉驗證是輪流切多份
最關鍵的區別:單次切分和多次輪替
實際案例
調超參數
你在不同學習率之間比較時,看的就是驗證集表現,而不是訓練集分數
早停法
當驗證集開始變差而訓練集還在變好,通常表示模型可能已經過擬合
演算法與應用
| 超參數搜尋 | 用它挑最佳設定 | 像學習率和層數 |
| 早停法 | 監控驗證表現決定何時停 | 避免過擬合 |
| 模型選擇 | 用它比較不同模型 | 選表現較穩的 |
| 資料外洩 | 不能把驗證資訊混進訓練 | 不然結果會假高 |
情境判斷
Q1(直覺題):你要比較兩個模型哪個更好,該先看哪個資料集?
先看驗證資料集,因為它是用來挑模型和調參的。
Q2(判斷題):如果驗證集也拿去訓練,評估會怎樣?
通常會變得過於樂觀,因為你已經看過答案了。
常見問題
要,否則你無法客觀調整模型。
沒有唯一答案,重點是能代表真實資料又不影響訓練。
可以用來調整,但看太多也要小心對它過擬合。
出現在這些考古題
官方公告試題的逐題解析裡,這 5 題把驗證資料集列為延伸術語。
相關術語
- 訓練集Training Set先分清楚學習和檢查的角色
- 測試資料集Test Set最後真正評分的地方
- 超參數Hyperparameter驗證集常拿來調的設定
- 過擬合Overfitting驗證集一差常是它在作怪
- 交叉驗證Cross-Validation
- 超參數調校Hyperparameter Tuning
本頁內容有提到,或屬於同一組主題的術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本