训练集用来在模型训练阶段测试模型的好坏
错误
举一反三
- 在模型训练的时候为什么要将数据集拆分成训练集和测试集？（ ） A: 测试集与训练集数据不能有重复.防止过拟合 B: 需要划分测试集数据用来调参 C: 数据集太多.训练模型用不了这么多数据
- 测试集是训练机器学习算法的数据集训练集是用来评估经训练后的模型性能的数据集验证集是用来微调模型超参数的数据集。
- 一般地，不会把给定的整个数据集都用来训练模型，而是将其分成训练集和测试集两部分，使用训练集对模型进行训练或学习，然后把测试集输入训练好的模型并评估其表现。
- 以下关于训练集、验证集和测试集说法不正确的是( )。[br][/br]选项: A: 测试集是纯粹是用于测试模型泛化能力 B: 训练集是用来训练以及评估模型性能 C: 验证集用于调整模型参数 D: 以上说法都不对
- 有监督学习一般分成两个阶段，在训练集上进行模型的学习，在测试集上测试模型的性能
内容
- 0
下列关于数据集的说法，正确的是______。 A: 训练集用来训练模型，确定模型参数 B: 验证集用来评估模型的泛化能力 C: 测试集用来确定网络的超参数 D: A、B、C均错误
- 1
下列关于训练模型的说法中，错误的是______。 A: 训练模型的过程，就是计算损失函数梯度，迭代更新模型参数 B: 只采用训练集来更新模型参数 C: 训练集和测试集都参与了对模型参数的更新 D: 训练集和测试集的误差都需要被记录下来
- 2
机器学习系统中通常将数据集划分为训练集和测试集，其中被用来学习得到模型中参数值的是（ ）。 A: 训练集 B: 测试集 C: 训练集和测试集 D: 以上答案都不对
- 3
通常来说，我们构建模型，使其在训练集上能够做出准确预测，如果训练集和测试集足够相似，我们预计模型在测试集上也能做出准确预测。
- 4
训练模型时，常根据测试集的性能调节模型的参数